Четыре новые топ-модели за неделю и спор о бенчмарках

Что в ролике
Если за неделю вышло больше моделей, чем успеваешь осмыслить, автор собирает главное в один выпуск и оговаривает, что часть разборов вынес в отдельные видео. За одну неделю вышли Claude Fable 5,1 с закрытым Mythos 5,1 для тестировщиков безопасности, Gemini 3,8 Flash от Google, Muse Spark 1,3 от Meta и GPT-6 Astra от OpenAI, которую пока раздают ограниченному кругу организаций. Fable 5,1 сразу возглавила сводные замеры, но оказалась самой дорогой: 3,69 доллара за задачу против 3,14 у предыдущей версии, а один рисунок кодом стоил 4,35 доллара и 18 минут времени. Gemini 3,8 Flash на этом фоне выглядит выгодной сделкой: 75 центов за миллион входных токенов и 3,75 за миллион выходных, 73,7% в замере по коду против 74% у Claude Opus 5 при цене задачи 2,36 доллара против 11,84. Muse Spark 1,3 поставила автора в тупик: в сводных таблицах она обгоняет GPT-6, но в его собственном тесте с картинкой, нарисованной кодом, заняла лишь 20-е место и выдала куб, стреляющий по кубам. Тот же тест он прогнал на всех моделях в виде клона игры Megabonk: версия GPT-6 получилась самой цельной за 12 минут, а Fable 5,1 работала около двух часов, съела весь дневной лимит и обошлась примерно в 120 долларов. Дальше по списку: Artlist выпустил нодовый редактор AI Flows и добавил модель Seedance с роликами до 30 секунд в 1080p, MiniMax научилась делать 15-секундное видео за 13 секунд, из чего выросли бесконечные стримы с 37 тысячами зрителей. Ещё в выпуске: Atlas от World Labs, который восстанавливает сцену по нескольким фото и даёт управлять камерой, Runway Solaris с правкой видео в реальном времени, две новые модели транскрипции от Meta и Microsoft, покупка Hugging Face компанией Nvidia и зубная щётка Dyson с камерой и водой за 500 долларов.
Практика
- Что получишь
- Получишь сжатую картину недели: кто из новых моделей силён, сколько стоит задача у каждой и почему рейтинги бенчмарков перестали совпадать с живыми тестами.
- Первый шаг
- Прогнать два своих обычных запроса на Gemini 3,8 Flash и GPT-6 и сравнить результат с привычной моделью по качеству и по цене задачи.
- Цифры
- —3,69 доллара за задачу — столько стоила Claude Fable 5,1 в сводном замере, дороже предыдущей версии с её 3,14
- —75 центов за миллион входных токенов и 3,75 за миллион выходных — цена Gemini 3,8 Flash против 10 и 50 долларов у Fable 5
- —около 120 долларов — во столько обошёлся клон игры Megabonk от Fable 5,1: два часа работы, весь дневной лимит и доплата сверх подписки за 200 долларов в месяц
- —15 секунд видео за 13 секунд генерации — скорость модели MiniMax, из-за которой появились бесконечные стримы с 37 тысячами зрителей
- Честно
- Выпуск частично оплачен: блок про Artlist AI Flows — реклама спонсора, ссылка на него в описании. Оценки моделей — личный опыт автора на платных подписках, а часть цифр он берёт по памяти и сам оговаривается, что стоимость GPT-6 указана как расчётный эквивалент раннего доступа. Прямо в ролике автор говорит, что разуверился в бенчмарках, которыми пользовался годами: сводные таблицы ставят Muse Spark 1,3 выше GPT-6, а его собственные тесты этого не подтверждают.
Если слова незнакомы — 7 терминов
- бенчмаркнабор тестов, по которым сравнивают качество моделей
- цена задачисколько в среднем стоит один запрос к модели с учётом входных и выходных токенов
- токенкусочек текста, которым модель измеряет объём запроса и ответа
- открытые весамодели, которые можно скачать и запускать у себя, а не только через сервис
- SVGкартинка, собранная кодом из линий и фигур
- нодовый редакторсборка процесса из блоков на визуальном холсте
- ранний доступвозможность пользоваться продуктом до публичного запуска
Связки из этого ролика
3 шт.- Cursor + Gemini 3.8 Flash — генерация игры-клона Megabonk без выхода за лимиты кредитов
- ChatGPT + несколько Google-аккаунтов — подключение второго Gmail через plugins → Gmail → manage
- Artlist AI Flows + Seedance 2.5 — node-канвас со связкой image/video/voice-моделей для повторяемого пайплайна
Компоненты
20 шт.Формат: реакция на новость · для практикующих · уверенность разметки 0.82 · источник