शुभ संध्या, परिवार... एक हजार AI एजेंट्स ने एक ऑपरेटिंग-सिस्टम प्रोटोटाइप बनाया। लागत वक्र वह हिस्सा है जिसे मैं देखूंगा। मार्केट पल्स | 10 नवंबर 2026 एंथ्रोपिक का 9 नवंबर को Fable 5.2 और Mythos 5.2 का रिलीज हमें दो बहुत अलग सबूत देता है। चार्ट में एंथ्रोपिक के FrontierCode 2.0 परिणाम दिखाए गए हैं। Fable 5.2, हाई प्रयास पर 45.3% स्कोर करता है, जो Opus 5.5 के सर्वश्रेष्ठ 45.5% के करीब है, लेकिन प्रति कार्य लगभग आधी लागत पर। यह बेंचमार्क यह मूल्यांकन करता है कि कोड में बदलाव ओपन-सोर्स मेंटेनर्स द्वारा स्वीकार किए जाएंगे या नहीं। हरित रेखा पर आगे देखें: Xhigh 49.1% तक पहुँचता है। Max अधिक महंगा है और इस मूल्यांकन में कम स्कोर करता है। अधिक तर्क के लिए भुगतान करना स्वयं ही बेहतर परिणाम की गारंटी नहीं देता। मेरे उत्तर में प्रदर्शन एंथ्रोपिक के ऑपरेटिंग-सिस्टम प्रोटोटाइप को दर्शाता है। कंपनी कहती है कि Fable ने आठ दिनों में 1,000 से अधिक सबएजेंट्स को समन्वयित किया। यह उसके प्रयास के पैमाने को दर्शाता है। वीडियो और बेंचमार्क अलग-अलग कार्यभार को कवर करते हैं, इसलिए चार्ट हमें इस OS प्रोजेक्ट की लागत के बारे में बता नहीं सकता। व्यावहारिक प्रश्न यह है कि सस्ता मॉडल निष्पादन क्या सस्ता समाप्त कार्य का भी मतलब है? पुनः प्रयास, समन्वयन और मानव समीक्षा से बचत को समाप्त किया जा सकता है। अगले 72 घंटों में, मैं स्वतंत्र परीक्षणों की तलाश करूँगा, जो समान कार्यों पर स्वीकृत परिणाम, कुल खर्च और समीक्षक समय की रिपोर्ट करते हों। समान गुणवत्ता के साथ कम लागत से मामला मजबूत होगा। समीक्षा के दौरान समाप्त होने वाली बचत मजबूती कमजोर करेगी। वह संख्या मुझे AI एजेंट से चाहिए: मैंने जिस काम का प्रयोग किया, usकी पूरी बिल। चार्ट: एंथ्रोपिक। बेंचमार्क परिणाम कंपनी-द्वारा-प्रस्तुत हैं। https://t.co/dSLUQCBRR5