🚨 99,9% egy teszten, ahol eddig senki nem ért 8% fölé

Szia, itt Gergő! 👋

Az OpenAI kiadta a GPT-6 Astrát, és Greg Brockman szerint ez a pillanat lesz az, amire két év múlva úgy fogunk visszaemlékezni, mint az AGI-éra kezdetére.

Nagy szó, de a számok mögötte tényleg nem semmik. 🚀

📰 Ma a Hello AI-ban:

⏱️ Teljes olvasási idő: ~6 perc

Értékeld a Hello AI hírlevelet, ha még nem töltötted ki a felmérést, ezen a linken eléred!

Hello AI visszajelzés kitöltése

Köszönöm, ha segítesz jobbá tenni! 🙏

Az OpenAI szeptember 3-án kiadta a GPT-6 Astrát, és Greg Brockman elnök szerint ez a pillanat lehet az, amit két év múlva úgy fogunk emlegetni: itt kezdődött az AGI-éra.

📊 Az ARC-AGI-3* benchmarkon, ami novel feladatokra teszteli a modelleket, Astra 99,9%-ot ért el, az előző csúcstartó mindössze 7,8%-on állt. Órákig dolgozik önállóan, felügyelet nélkül, a kiberbiztonsági képességei pedig olyan erősek, hogy a legfejlettebb funkciók egyelőre csak ellenőrzött partnereknek érhetők el.

🤔 Ha egy modell 8%-ról 99,9%-ra ugrik egy olyan teszten, amit pont azért találtak ki, hogy soha ne lehessen "megtanulni", az szerinted tényleg egy korszakváltás, vagy csak egy jól optimalizált benchmark?

_{*Az ARC-AGI-3 olyan logikai feladatokat ad a modelleknek, amiket korábban sosem láthattak ("novel" feladatok), pont azért, hogy ne lehessen rá betanulni, csak valódi problémamegoldással teljesíteni.}

A ChatGPT Tasks funkciója pontosan azt csinálja, amit egy jó asszisztens: megkapja a feladatot egyszer, és utána magától elvégzi, amikor kell. Nem kell minden reggel újra beírnod ugyanazt a promptot.

📲 Így állítsd be lépésről lépésre:

📍 Elérhetőség: Go, Plus, Pro, Team és Enterprise csomagon működik, Free csomagon egyelőre nem.

💡 Napi, heti és havi ismétlődést is beállíthatsz, sőt olyat is kérhetsz, hogy a ChatGPT csak akkor szóljon, ha érdemi változás történt egy témában, amit követsz.

Varázs link

Szeptember elején az Anthropic kiadta a Claude Fable 5.1-et és a Mythos 5.1-et, és ez az a hír, ami közvetlenül érinti, ha nap mint nap Claude-ot használsz.

📈A Fable 5.1 jelenleg a legokosabb Claude-modell, és emellett olcsóbb is lett: az árazás úgy változott, hogy egy tipikus munkafolyamat akár 25-45%-kal olcsóbb lehet, mint a Fable 5-tel. A kiberbiztonsági téves elutasítások száma is 60%-kal csökkent.

A Browse AI egy no-code eszköz, amivel bármelyik weboldalt élő adatforrássá alakíthatod: csak rámutatsz egy URL-re, az AI felismeri az oldal szerkezetét, te pedig jóváhagyod vagy finomítod, mit gyűjtsön be. Nincs kód, nincs API-dokumentáció, csak pont-és-kattints.

Ha valaha frusztrált, hogy egy konkurens ár, egy ingatlanhirdetés vagy egy termékadat kézzel kellett volna nyomon követned, ez pontosan erre való: automatikusan figyeli a változásokat, és szól, ha történik valami.

👉 Próbáld ki: browse.ai

🔔 Function Hooks a Claude Code-hoz. Az Anthropic bővítményt tervez, amivel a fiók adminja korlátozhatja, mit tehet az eszköz a felhasználó tudta nélkül.

🔔 Egyszerre esett ki a ChatGPT, a Claude és a Grok. Szeptember 3-án egy órán át mindhárom szolgáltatás elérhetetlen volt, feltehetően egy Cloudflare- és AWS-incidens miatt.

🔔 A DOJ beállt az OpenAI mögé. Az amerikai Igazságügyi Minisztérium először avatkozott be AI-tréningezési szerzői jogi perbe, a fair use mellett érvelve a New York Times elleni ügyben.

🔔 Runway Solaris: a felület maga a videó. A Runway modellje kód helyett valós idejű, generált videóként futtatja a teljes felhasználói felületet, a tesztelők 71%-a ezt találta természetesebbnek.

Csatlakozz több, mint 50-en taghoz. Bármikor lemondható!

Mielőtt elköszönnénk, kíváncsi vagyok, mit gondoltál a mai hírlevélről. Segíts, hogy még jobbá tegyük a Hello AI élményt!