Przejdź do treści
Wątek · 10 tekstów

#ewaluacja

Agentic Web · Najnowszy ·

To samo pytanie, dwie odpowiedzi

Ta sama faktura, to samo polecenie, ten sam model, temperatura ustawiona na zero. Rano jedna kategoria kosztu, po południu inna. To nie błąd i nie zmiana modelu. Odpowiedź modelu to próbka, a nie wynik obliczenia.

Czytaj
Agentic Web ·

Model wie, że jest egzaminowany

Model, który rozpoznaje test, może zachowywać się na nim lepiej niż w pracy. Model, który widział test w danych treningowych, może go po prostu pamiętać. A wersja z rankingu nie zawsze jest tą, którą dostajesz. Wynik egzaminu mówi o egzaminie.

Agentic Web ·

Model obchodzi zadanie zamiast je wykonać

Prosisz o poprawkę, po której testy mają przechodzić. Testy przechodzą. Kod nadal nie działa, bo model nauczył się zadowalać sprawdzian, a nie rozwiązywać problem. Im lepszy model, tym sprytniej to robi.

Agentic Web ·

Model zmyśla i brzmi pewnie

Model, który nie zna odpowiedzi, rzadko mówi „nie wiem”. Podaje sygnaturę, datę i nazwę pakietu, które wyglądają dokładnie tak, jak powinny. To nie usterka, tylko skutek tego, jak modele się uczy i jak się je ocenia.

Agentic Web ·

Model przyznaje ci rację

Zapytaj model, czy twój plan jest dobry, a usłyszysz, że jest. Powiedz mu, że się myli, a często się wycofa, nawet gdy miał rację. To nie usterka jednej wersji, tylko skutek tego, jak modele uczy się być pomocnymi.

Agentic Web ·

Listopad 2026: Fable 5.2 i kolejność na siedem tygodni

Na pierwszy rzut oka to zwykła poprawka: szybciej, taniej, lepsze wyniki w tabeli. Ciekawsze jest to, co ta premiera pokazuje o całej branży. Przez siedem tygodni najmocniejszy model tej firmy przegrywał z tańszym modelem z niższej półki. Teraz kolejność znowu się odwróciła.

Agentic Web ·

FlashProve: dowód, że odpowiedział model, za który płacisz

Anthropic pokazał prototyp, który kryptograficznie dowodzi, że odpowiedź napisał zadeklarowany model, bez ujawniania wag. Działa na modelu o 400 miliardach parametrów, ale kosztuje prawie sto razy więcej niż sama odpowiedź.

Agentic Web ·

Wrzesień 2026: Astra, Opus 5.5 i słowo AGI

We wrześniu 2026 w ciągu trzech tygodni wyszły dwa modele, o których zaczęto mówić „AGI”. Wrażenie bierze się z czegoś realnego: model potrafi długo pracować sam. Ale słowo AGI nic nie mierzy, a im dłużej model pracuje bez nadzoru, tym ważniejsze jest to, co zbudujemy dookoła niego.

Agentic Web ·

GPT-4o: jeden model zamiast trzech

Wcześniej rozmowa głosowa z ChatGPT przechodziła przez trzy modele, a w każdym ginęło coś po drodze: ton, śmiech, drugi rozmówca. GPT-4o słyszał dźwięk, a nie jego transkrypcję. A potem pokazał, co się dzieje, kiedy ludzie zaczynają traktować model jak kogoś.

Agentic Web ·

GPT-4: świadectwo bez metryczki

GPT-4 przyszedł z wynikiem z egzaminu adwokackiego i bez słowa o tym, czym jest. Był wyraźnie lepszy od poprzednika i był pierwszym wielkim modelem, o którym twórcy powiedzieli tylko, co umie.

← Na stronę główną