Az OpenAI azt állítja, hogy a GPT-5.6 Sol 38,3 százalékkal veri az Anthropic Opus 5-jét az ARC-AGI-3 teszten — de ezt csak saját API-juk extra funkcióival érte el, a hivatalos, szolgáltatófüggetlen tesztkörnyezetben mindössze 7,8 százalékot ért el. Te melyik számnak hiszel?
- A hivatalos 7,8%-nak, a többi csak marketing
- A 38,3%-nak, valós képességet mutat plusz eszközökkel
- Egyiknek sem, félrevezető az egész összehasonlítás
- Nem tudom eldönteni, túl technikai a téma
