Remek Kinas's banner

Remek Kinas

@KinasRemek • 11,351 subscribers

AI Researcher | https://t.co/OVgxFgLghg | Kaggle Grand Master

Shorts

Ta gra pewnie nie powstanie ... ale kolejne ewolucje w toku. Chyba to docelowy kierunek gdyby był kontynuowany.

Ta gra pewnie nie powstanie ... ale kolejne ewolucje w toku. Chyba to docelowy kierunek gdyby był kontynuowany.

128,514 views

Mistral-4 gruby kocur wleciał na mój standardowy test Chain Reaction Machine - bo nie samym modelem basal 🇵🇱 człowiek żyje. Mistral ... po takim myśleniu ... "The bob needs to swing to 0.9 rad. Energy: rise = 170(cos(0.24)-cos(0.9)) = 170(0.971-0.622) = 59.3px. v = sqrt(298059.3) = 341 px/s. Bob (m = π4000.450.001 = 0.565). Momentum = 0.565341 = 193. Ball2 (m=0.425) at 340: momentum = 144.5. Elastic collision: v_bob = 20.425/(0.565+0.425)340 = 0.859340 = 292 px/s. Rise = 292²/1960 = 43.5px → Δθ = 43.5/170 = 0.256 → swings to 0.24+0.256 = 0.496 rad. Bob at 0.496: (880+1700.476, 380+170*0.879) = (960.9, 529.4). The weight at (1000, 456) — the bob at (960.9, 529.4) — 39px left, 73px below. ✗ MISSES. " skończył po ... 4 ... 6h ... w sumie straciłem orientację czasu ... Efekt? Oceńcie sami. W zasadzie jest wszystko - grawitacja, tarcie .... Więcej modeli znajdziecie w historii wpisów. Kto śledzi mój profil wie jak inne działały. Tak chodził sobie puszczony . Messages User: 4 - bo 3x API error i wpisywałem tylko słowo by kontynuował Assistant: 30 Tool Calls: 24 Tool Results: 24 Total: 63 Append-Only: inactive (setting: auto (openrouter)) Tokens Input: 890,999 Output: 75,161 Cache Read: 426,988 Total: 1,393,148 Epilog: ale pewnie to super model więc trzeba testować dalej.

Mistral-4 gruby kocur wleciał na mój standardowy test Chain Reaction Machine - bo nie samym modelem basal 🇵🇱 człowiek żyje. Mistral ... po takim myśleniu ... "The bob needs to swing to 0.9 rad. Energy: rise = 170(cos(0.24)-cos(0.9)) = 170(0.971-0.622) = 59.3px. v = sqrt(298059.3) = 341 px/s. Bob (m = π4000.450.001 = 0.565). Momentum = 0.565341 = 193. Ball2 (m=0.425) at 340: momentum = 144.5. Elastic collision: v_bob = 20.425/(0.565+0.425)340 = 0.859340 = 292 px/s. Rise = 292²/1960 = 43.5px → Δθ = 43.5/170 = 0.256 → swings to 0.24+0.256 = 0.496 rad. Bob at 0.496: (880+1700.476, 380+170*0.879) = (960.9, 529.4). The weight at (1000, 456) — the bob at (960.9, 529.4) — 39px left, 73px below. ✗ MISSES. " skończył po ... 4 ... 6h ... w sumie straciłem orientację czasu ... Efekt? Oceńcie sami. W zasadzie jest wszystko - grawitacja, tarcie .... Więcej modeli znajdziecie w historii wpisów. Kto śledzi mój profil wie jak inne działały. Tak chodził sobie puszczony . Messages User: 4 - bo 3x API error i wpisywałem tylko słowo by kontynuował Assistant: 30 Tool Calls: 24 Tool Results: 24 Total: 63 Append-Only: inactive (setting: auto (openrouter)) Tokens Input: 890,999 Output: 75,161 Cache Read: 426,988 Total: 1,393,148 Epilog: ale pewnie to super model więc trzeba testować dalej.

22,633 views

teraz testy lecą na omp (OH MY PI) ... testowałem na Codex, Hermes Agents, opencode, pi ... ten wzbudza nadzieje na świetne narzędzie - jak wasze doświadczenia?

teraz testy lecą na omp (OH MY PI) ... testowałem na Codex, Hermes Agents, opencode, pi ... ten wzbudza nadzieje na świetne narzędzie - jak wasze doświadczenia?

12,358 views

Pierwszy test (u mnie standardowy) - GPT 5.6 SOL. Porównuję model do najlepszej obecnie wygenerowanej symulacji one-shot za pomocą Fugu Ultra. Oczywiście to pierwszy strzał ...

Pierwszy test (u mnie standardowy) - GPT 5.6 SOL. Porównuję model do najlepszej obecnie wygenerowanej symulacji one-shot za pomocą Fugu Ultra. Oczywiście to pierwszy strzał ...

13,753 views

Optymalizuję ⚡️⚡️⚡️ więc … tradycyjnie już Windows - bye bye 👋 Fedora wleciała 💪👍💪 Benchmark dla DGX to 67 tok/sec dla GPT- OSS-20B 4bit. No to zobaczymy …. Platforma AMD w HP Z2 G1a. W środku AMD Ryzen™ Al Max+ 395 iGPU. #HP #ZbyHP #HPIncPolska #StacjeRoboczeHP [płatna współpraca]

Optymalizuję ⚡️⚡️⚡️ więc … tradycyjnie już Windows - bye bye 👋 Fedora wleciała 💪👍💪 Benchmark dla DGX to 67 tok/sec dla GPT- OSS-20B 4bit. No to zobaczymy …. Platforma AMD w HP Z2 G1a. W środku AMD Ryzen™ Al Max+ 395 iGPU. #HP #ZbyHP #HPIncPolska #StacjeRoboczeHP [płatna współpraca]

26,873 views

Videos

Anya Rossi

sweetdream.ai

SweetDream.ai•Sponsored•Livecam

Watch Anya Live

Anya is streaming live right now! Join her private show and enjoy exclusive content.

Exclusive private shows

1.2k viewers online

Private Show

Join now for exclusive access

Free preview available • Premium content

Jak to szło? Andrzej Dragan - jak już przybędzie ten fold to się pochwal. 😂🤣😎

Jak to szło? Andrzej Dragan - jak już przybędzie ten fold to się pochwal. 😂🤣😎

95,942 views • 1 month ago

GPT-6 Astra kolejny test AGI - kazałem modelowi wybrać ciekawą sytuację polityczną z zeszłego tygodnia i na jej podstawie napisać grę na Ambernic RG 351P (bo to miałem pod ręką). Tak powstała gra psy sejmu (GPT samo zdecydowało co wg niego jest ciekawe, rozpisało scenariusz i zaimplementowało). Gra posiada 15 poziomów, oczywiście retro, można wetować a właściwym orężem jest zaszczekiwanie innych posłów - filmik polecam z głosem. Celem - zdobywanie diet, picie herbat itd. W 100% stworzone przez GPT-6 bez żadnej ingerencji - one shot. Również deploy na Ambernic zrobione automatycznie. Jak widać mając GPT-6 można spokojnie pisać sobie gierki jakie się tylko chce od tzw. kultowych z automatów do całkiem nowych koncepcji. Gra i film stworzone w celach demonstracji jakości modelu GPT-6 Astrą. Gra niestety nie wejdzie do oficjalnej dystrybucji.

GPT-6 Astra kolejny test AGI - kazałem modelowi wybrać ciekawą sytuację polityczną z zeszłego tygodnia i na jej podstawie napisać grę na Ambernic RG 351P (bo to miałem pod ręką). Tak powstała gra psy sejmu (GPT samo zdecydowało co wg niego jest ciekawe, rozpisało scenariusz i zaimplementowało). Gra posiada 15 poziomów, oczywiście retro, można wetować a właściwym orężem jest zaszczekiwanie innych posłów - filmik polecam z głosem. Celem - zdobywanie diet, picie herbat itd. W 100% stworzone przez GPT-6 bez żadnej ingerencji - one shot. Również deploy na Ambernic zrobione automatycznie. Jak widać mając GPT-6 można spokojnie pisać sobie gierki jakie się tylko chce od tzw. kultowych z automatów do całkiem nowych koncepcji. Gra i film stworzone w celach demonstracji jakości modelu GPT-6 Astrą. Gra niestety nie wejdzie do oficjalnej dystrybucji.

91,928 views • 1 month ago

I jak tam eajowcy? Wychodzi, że to o czym wczoraj pisałem - kryptonim slow down - zaczyna się realizować. Sam Altman mówi o dostawach w tym, kolejnym tygodniu. Opus 5.2 już chyba nie jest tajemnicą. Gemini 4 Pro są pierwsze "wycieki". Zobaczcie - Opus 5 - w lipcu ... i Opus 5 dzisiaj. Widzicie różnice?

I jak tam eajowcy? Wychodzi, że to o czym wczoraj pisałem - kryptonim slow down - zaczyna się realizować. Sam Altman mówi o dostawach w tym, kolejnym tygodniu. Opus 5.2 już chyba nie jest tajemnicą. Gemini 4 Pro są pierwsze "wycieki". Zobaczcie - Opus 5 - w lipcu ... i Opus 5 dzisiaj. Widzicie różnice?

61,638 views • 1 month ago

basal-1.5 🇵🇱 3 minutowa prezentacja - nowości w basal-1.5 oraz przypadki biznesowe. Rodzina modeli basal-1.5 - max (11B), opt (4.5B), mini (1.5B) - Lepsze tam, gdzie 1.0 było słabsze: długie, prawdziwe dokumenty, optymalizowane pod decyzje w systemach RAG, odpowiedzi „nie da się ustalić”, trudniejsze decyzje po angielsku (ocena odpowiedzi, kompromisy, pułapki, polityki, niejednoznaczne prośby), wybór następnego kroku agenta i oceny na skali. - Wyniki: na zamkniętym teście 3 000 nowych polskich decyzji, utworzonych po zamrożeniu wag i ocenionych raz, basal-1.5 osiąga 93,1% wobec 87,4% dla basal-1.0 (+5,7 pkt, 95% przedział [+4,5; +6,8]); na teście decyzji z basal-1.0 - 92,3% wobec 88,6%. Na panelu 10 publicznych zadań angielskich basal-1.5 wyprzedza basal-1.0 (68,8% wobec 67,1%), a na publicznym angielskim benchmarku decyzyjnym osiąga 76,2% (basal-1.0: 74,0%). - Wiele pytań, jeden przebieg dzięki SOAM. SOAM to state once, ask many - jeden kontekst, wiele pytań. Silnik przetwarza kontekst raz, a wszystkie pytania korzystają ze wspólnych obliczeń. Każde pytanie jest oceniane niezależnie od pozostałych. W porównaniu silników na H100 5 pytań zajmuje 37,8 ms zamiast 111,7 ms, czyli około 3 razy krócej. W fp32 odpowiedzi są takie same jak przy osobnych zapytaniach. - Nowe typy i funkcje - tylko basal. Rozszerzamy System-One o własne schematy i funkcje — nowe „programy” w mózgu naszego systemu: multi (które etykiety pasują), act (akcja o najniższym oczekiwanym koszcie według Twoich zasad albo przekazanie człowiekowi), "evidence": true (fragment tekstu, który wspiera odpowiedź) i "facts": "auto" (wyliczone daty i kwoty dla polskich dokumentów). - Nowe sposoby uruchomienia: SGLang i vLLM, Apple Silicon (MLX 8-bit i 4-bit) oraz Ollama i llama.cpp (GGUF). - Werdykt — nasz autorski, ukryty benchmark do testowania modeli decyzyjnych po polsku i po angielsku. Niech pójdzie w świat ... polski klasyfikator dynamiczny. Inicjatywa Open Source. 🇵🇱

basal-1.5 🇵🇱 3 minutowa prezentacja - nowości w basal-1.5 oraz przypadki biznesowe. Rodzina modeli basal-1.5 - max (11B), opt (4.5B), mini (1.5B) - Lepsze tam, gdzie 1.0 było słabsze: długie, prawdziwe dokumenty, optymalizowane pod decyzje w systemach RAG, odpowiedzi „nie da się ustalić”, trudniejsze decyzje po angielsku (ocena odpowiedzi, kompromisy, pułapki, polityki, niejednoznaczne prośby), wybór następnego kroku agenta i oceny na skali. - Wyniki: na zamkniętym teście 3 000 nowych polskich decyzji, utworzonych po zamrożeniu wag i ocenionych raz, basal-1.5 osiąga 93,1% wobec 87,4% dla basal-1.0 (+5,7 pkt, 95% przedział [+4,5; +6,8]); na teście decyzji z basal-1.0 - 92,3% wobec 88,6%. Na panelu 10 publicznych zadań angielskich basal-1.5 wyprzedza basal-1.0 (68,8% wobec 67,1%), a na publicznym angielskim benchmarku decyzyjnym osiąga 76,2% (basal-1.0: 74,0%). - Wiele pytań, jeden przebieg dzięki SOAM. SOAM to state once, ask many - jeden kontekst, wiele pytań. Silnik przetwarza kontekst raz, a wszystkie pytania korzystają ze wspólnych obliczeń. Każde pytanie jest oceniane niezależnie od pozostałych. W porównaniu silników na H100 5 pytań zajmuje 37,8 ms zamiast 111,7 ms, czyli około 3 razy krócej. W fp32 odpowiedzi są takie same jak przy osobnych zapytaniach. - Nowe typy i funkcje - tylko basal. Rozszerzamy System-One o własne schematy i funkcje — nowe „programy” w mózgu naszego systemu: multi (które etykiety pasują), act (akcja o najniższym oczekiwanym koszcie według Twoich zasad albo przekazanie człowiekowi), "evidence": true (fragment tekstu, który wspiera odpowiedź) i "facts": "auto" (wyliczone daty i kwoty dla polskich dokumentów). - Nowe sposoby uruchomienia: SGLang i vLLM, Apple Silicon (MLX 8-bit i 4-bit) oraz Ollama i llama.cpp (GGUF). - Werdykt — nasz autorski, ukryty benchmark do testowania modeli decyzyjnych po polsku i po angielsku. Niech pójdzie w świat ... polski klasyfikator dynamiczny. Inicjatywa Open Source. 🇵🇱

23,859 views • 15 days ago

cześć, sobota rano więc pierwsza zapowiedź co nowego w modelu basal 🇵🇱, krótko mówiąc mnóstwo pracy, nauki, doświadczeń, chyba nie ma systemu którego nie dotknąłem, nie sprawdziłem - gromadzę najlepsze praktyki, wymyślam swoje. w kolejnym tygodniu? basal-omni - seria multmodalnych, adaptowanych do języka polskiego, modeli decyzyjnych typu system-one. Teraz po polsku - tekst, obraz, dźwięk (mowa) oraz wideo. Wszystko na raz. Wiele typów wejść jedna decyzja. Co o tym myślicie? Pierwsze modele już zrobione i przetestowane - codziennie od dzisiaj jedno demo na X. Kolekcja zawiera model nano-2B, mini-4B, max-12B oraz ultra-31B. Oczywiście wszystko optymalizowane pod język polski oraz prędkość inferencji (w tym nowa wersja inferenc engine 2.0 - dużo zmian i tricków, które przyspieszają inferencję). Zapraszam do krótkiego filmu - głoś ElevenLabs 4.0.

cześć, sobota rano więc pierwsza zapowiedź co nowego w modelu basal 🇵🇱, krótko mówiąc mnóstwo pracy, nauki, doświadczeń, chyba nie ma systemu którego nie dotknąłem, nie sprawdziłem - gromadzę najlepsze praktyki, wymyślam swoje. w kolejnym tygodniu? basal-omni - seria multmodalnych, adaptowanych do języka polskiego, modeli decyzyjnych typu system-one. Teraz po polsku - tekst, obraz, dźwięk (mowa) oraz wideo. Wszystko na raz. Wiele typów wejść jedna decyzja. Co o tym myślicie? Pierwsze modele już zrobione i przetestowane - codziennie od dzisiaj jedno demo na X. Kolekcja zawiera model nano-2B, mini-4B, max-12B oraz ultra-31B. Oczywiście wszystko optymalizowane pod język polski oraz prędkość inferencji (w tym nowa wersja inferenc engine 2.0 - dużo zmian i tricków, które przyspieszają inferencję). Zapraszam do krótkiego filmu - głoś ElevenLabs 4.0.

13,300 views • 9 days ago

Tutaj 100% jak to działa - JAV 🔥 Zrobiłem filmik z demo jak działa model. Bez komentarza głosowego ale myślę, że wszystko jasne. Symulacja inteligentnego sterowania domem (znalazłem taki przykład na internecie ale go znaczne rozbudowałem by był jednak przykładem AI - autorka: Allie Laabs). Cała idea polega na tym by model szybko generował odpowiedzi (System 1) na podstawie stanu. Czyli jak podam komendę "jest mi zimno" to on wiedząc jaki jest stan domu powinien zasugerować jakie akcje nasz program (sterowanie) ma zrealizować. Po lewej stronie widać wywołania API - o co dokładnie pytamy - stan, zestaw różnych pytań. JAV odpowiada. Nasz program realizuje na podstawie reguły filtrowania. Opłaca się wysłać do modelu 12 zapytań na raz ponieważ: 1. odpowiedzi są równolegle procsowane, 2. czas realizacji ułamki sekundy - można pytać w czasie rzeczywistym 3. koszt zerowy (tylko procesu wejścia), 4. obniża koszt użycia LLM do podejmowania decyzji. Oczywiście tych pytań można wysłać i 100 i nic się nie zmienia - dostajemy odpowiedzi wg ustalonego schematu. Flow: 1. Komenda - "jest mi zimno", "dziecko idzie spać" ... model ma za zadanie zrozumieć semantykę pytania. 2. Budujemy zapytanie (dynamicznie - bez konieczności treningu modelu przy zmianie schmatu) - stan, schemat pytań (3 prymitywy). 3. Otrzymujemy odpowiedź - na wszystkie pytania. 4. Filtrujemy - confidence, 5. Przekazujemy do sterowania - program, który steruje procesem na podstawie otrzymanych odpowiedzi.

Tutaj 100% jak to działa - JAV 🔥 Zrobiłem filmik z demo jak działa model. Bez komentarza głosowego ale myślę, że wszystko jasne. Symulacja inteligentnego sterowania domem (znalazłem taki przykład na internecie ale go znaczne rozbudowałem by był jednak przykładem AI - autorka: Allie Laabs). Cała idea polega na tym by model szybko generował odpowiedzi (System 1) na podstawie stanu. Czyli jak podam komendę "jest mi zimno" to on wiedząc jaki jest stan domu powinien zasugerować jakie akcje nasz program (sterowanie) ma zrealizować. Po lewej stronie widać wywołania API - o co dokładnie pytamy - stan, zestaw różnych pytań. JAV odpowiada. Nasz program realizuje na podstawie reguły filtrowania. Opłaca się wysłać do modelu 12 zapytań na raz ponieważ: 1. odpowiedzi są równolegle procsowane, 2. czas realizacji ułamki sekundy - można pytać w czasie rzeczywistym 3. koszt zerowy (tylko procesu wejścia), 4. obniża koszt użycia LLM do podejmowania decyzji. Oczywiście tych pytań można wysłać i 100 i nic się nie zmienia - dostajemy odpowiedzi wg ustalonego schematu. Flow: 1. Komenda - "jest mi zimno", "dziecko idzie spać" ... model ma za zadanie zrozumieć semantykę pytania. 2. Budujemy zapytanie (dynamicznie - bez konieczności treningu modelu przy zmianie schmatu) - stan, schemat pytań (3 prymitywy). 3. Otrzymujemy odpowiedź - na wszystkie pytania. 4. Filtrujemy - confidence, 5. Przekazujemy do sterowania - program, który steruje procesem na podstawie otrzymanych odpowiedzi.

39,939 views • 1 month ago

"Poland is so beautiful" 🇵🇱 Opus 5.5 - jako orkiestrator i mózg operacji. Tym razem najnowszy model Claude Opus 5.5 ma za zadanie wyprodukować klip video promujący Polskę 🇵🇱 Ograniczenie - nie dłużej niż 90 sekund. Narzędzie, którym ma sterować to Higgsfield AI 🧩 (Seedance 2.5). Ten sam prompt został wrzucony do Codex i gpt-6 Astra. Niebawem drugi wpis. Dajcie znać jak się podobają 🥳 1. Wybór scen 2. Kompozycję 3. Realizm 4. Muzyka 5. Ogólne wrażenia Prompt: ```Celem jest wykonanie maksymalnie 90 sekundowego klipu promocyjnego pod tytułem "Poland is so beautiful". Ma to być film promujący Polskę jej najpiękniejsze miejsca, obyczaje kulturowe, spokój, bezpieczeństwo, dorobek historyczny. Używaj rzeczywistych scen i obrazów. Przy generowaniu filmu użyj Higgsfield plugin lub serwera MCP do tej aplikacji. Realistyczny film, cinematic, ujęcia obiektywem anamorficznym.``` Harness: Codex i Higgsfield Zadanie: Model ma wykonać zadanie bzez pomoicy ze strony człowieka.

"Poland is so beautiful" 🇵🇱 Opus 5.5 - jako orkiestrator i mózg operacji. Tym razem najnowszy model Claude Opus 5.5 ma za zadanie wyprodukować klip video promujący Polskę 🇵🇱 Ograniczenie - nie dłużej niż 90 sekund. Narzędzie, którym ma sterować to Higgsfield AI 🧩 (Seedance 2.5). Ten sam prompt został wrzucony do Codex i gpt-6 Astra. Niebawem drugi wpis. Dajcie znać jak się podobają 🥳 1. Wybór scen 2. Kompozycję 3. Realizm 4. Muzyka 5. Ogólne wrażenia Prompt: ```Celem jest wykonanie maksymalnie 90 sekundowego klipu promocyjnego pod tytułem "Poland is so beautiful". Ma to być film promujący Polskę jej najpiękniejsze miejsca, obyczaje kulturowe, spokój, bezpieczeństwo, dorobek historyczny. Używaj rzeczywistych scen i obrazów. Przy generowaniu filmu użyj Higgsfield plugin lub serwera MCP do tej aplikacji. Realistyczny film, cinematic, ujęcia obiektywem anamorficznym.``` Harness: Codex i Higgsfield Zadanie: Model ma wykonać zadanie bzez pomoicy ze strony człowieka.

25,055 views • 25 days ago

Zobaczcie, co przywiózł do mnie kurier. Co za premiera! 🥰Z8 Fury G5 z czterema (4x) kartami Blackwell - 4x Nvidia RTX PRO 6000 Blackwell Max-Q. Najsilniejsza workstacja AI na świecie! 4x96GB = 384GB vRAM :) pod biurkiem. 🙏 Dziękuję HP Inc Poland za wybranie mnie jako pierwszego do testów tej niesamowitej stacji roboczej. Macie jakieś pomysły na testy? #HP #ZbyHP #HPIncPolska #StacjeRoboczeHP [płatna współpraca]

Zobaczcie, co przywiózł do mnie kurier. Co za premiera! 🥰Z8 Fury G5 z czterema (4x) kartami Blackwell - 4x Nvidia RTX PRO 6000 Blackwell Max-Q. Najsilniejsza workstacja AI na świecie! 4x96GB = 384GB vRAM :) pod biurkiem. 🙏 Dziękuję HP Inc Poland za wybranie mnie jako pierwszego do testów tej niesamowitej stacji roboczej. Macie jakieś pomysły na testy? #HP #ZbyHP #HPIncPolska #StacjeRoboczeHP [płatna współpraca]

257,464 views • 1 year ago

gpt-6 Astra ... Chain Reaction Machine - one shot (żadnych podpowiedzi, nawrotów). Codex - tryb Max. Absolutnie najlepszy model jaki w życiu widziałem. Koniec. Choć jutro będą zdecydowanie trudniejsze zadania. Chain reaction w dwóch wersjach - 2D i podniosłem poprzeczkę 3D. Od dzisiaj to punkt odniesienia dla innych modeli. Będzie ... ciężko :) Miłego weekendu 👍😁 2D - total=253 206 input=187 496 (+ 5 296 512 cached) output=65 710 (reasoning 25 786) 3D - total=186 967 input=121 634 (+ 2 673 664 cached) output=65 333 (reasoning 28 883)

gpt-6 Astra ... Chain Reaction Machine - one shot (żadnych podpowiedzi, nawrotów). Codex - tryb Max. Absolutnie najlepszy model jaki w życiu widziałem. Koniec. Choć jutro będą zdecydowanie trudniejsze zadania. Chain reaction w dwóch wersjach - 2D i podniosłem poprzeczkę 3D. Od dzisiaj to punkt odniesienia dla innych modeli. Będzie ... ciężko :) Miłego weekendu 👍😁 2D - total=253 206 input=187 496 (+ 5 296 512 cached) output=65 710 (reasoning 25 786) 3D - total=186 967 input=121 634 (+ 2 673 664 cached) output=65 333 (reasoning 28 883)

24,368 views • 1 month ago

Takie modele jak JEV (System-1) zmienią moim zdaniem bardzo dużo. Obecne modele LLM symulują System-2. Dla mnie implementacja jev to jedna z najświeższych koncepcji ostatnich miesięcy. Niby nic szczególnego (dynamiczny klasyfikator) a dziwi, że tak długo trzeba było czekać na taki model. Uniwersalny klasyfikator, inteligentny "if". W swoich poprzednich wpisach objaśniłem jak to działa. Mam dostęp do API TypeSafe AI Diogo Almeida więc zrobiłem self-play w moim pac-man. To "zabawkowy" przykład ponieważ schemat zapytań jest stały ale ... w wielu systemach np. agentowych schemat jak i stan zmienia się w czasie (w pac-man tylko stan się zmienia). W bardziej zaawansowanych, złożonych systemach struktura stanu, jak i wartości atrybutów stanu są zmienne w czasie, kontrakt klasyfikatora (liczba klas jak i ich semantyka) również. I tutaj mamy system-1 jev - podejmuje decyzje. Oczywiście można to zrobić na LLM ale będzie wolniejsze, droższe, sekwencyjne (wzajemnie zależne - w kontekście widać odpowiedzi). Można wykorzystać dyfuzyję z blokiem odpowiedzi wypełnionym nie na szum a na szablon odpowiedzi (będzie szybko) - generować tylko proby. Możliwości są chodzi natomiast o samą koncepcję Systemu-1. Widzę szerokie zastosowanie - inteligentne aplikacje, systemy agentowe, w klientach do kodowania -> obniżenie kosztów, zwiększenie szybkości działania, jakości rozwiązania itd.

Takie modele jak JEV (System-1) zmienią moim zdaniem bardzo dużo. Obecne modele LLM symulują System-2. Dla mnie implementacja jev to jedna z najświeższych koncepcji ostatnich miesięcy. Niby nic szczególnego (dynamiczny klasyfikator) a dziwi, że tak długo trzeba było czekać na taki model. Uniwersalny klasyfikator, inteligentny "if". W swoich poprzednich wpisach objaśniłem jak to działa. Mam dostęp do API TypeSafe AI Diogo Almeida więc zrobiłem self-play w moim pac-man. To "zabawkowy" przykład ponieważ schemat zapytań jest stały ale ... w wielu systemach np. agentowych schemat jak i stan zmienia się w czasie (w pac-man tylko stan się zmienia). W bardziej zaawansowanych, złożonych systemach struktura stanu, jak i wartości atrybutów stanu są zmienne w czasie, kontrakt klasyfikatora (liczba klas jak i ich semantyka) również. I tutaj mamy system-1 jev - podejmuje decyzje. Oczywiście można to zrobić na LLM ale będzie wolniejsze, droższe, sekwencyjne (wzajemnie zależne - w kontekście widać odpowiedzi). Można wykorzystać dyfuzyję z blokiem odpowiedzi wypełnionym nie na szum a na szablon odpowiedzi (będzie szybko) - generować tylko proby. Możliwości są chodzi natomiast o samą koncepcję Systemu-1. Widzę szerokie zastosowanie - inteligentne aplikacje, systemy agentowe, w klientach do kodowania -> obniżenie kosztów, zwiększenie szybkości działania, jakości rozwiązania itd.

17,076 views • 1 month ago

gpt-6 astra ... testy ciąg dalszy. Dałem do symulacji obraz "Bociany" Józefa Chełmoński - by zrozumiał kontekst, otoczenie historyczne i na tej podstawie stworzył film pokazujący 30 sekundowy świat wokół bohaterów dzieła. Otrzymałem ... Tak to Astra rozumie. Jest AGI? 😀 To taki test na rozumienie, przewidywanie i wymyślanie świata.

gpt-6 astra ... testy ciąg dalszy. Dałem do symulacji obraz "Bociany" Józefa Chełmoński - by zrozumiał kontekst, otoczenie historyczne i na tej podstawie stworzył film pokazujący 30 sekundowy świat wokół bohaterów dzieła. Otrzymałem ... Tak to Astra rozumie. Jest AGI? 😀 To taki test na rozumienie, przewidywanie i wymyślanie świata.

19,900 views • 1 month ago

Kolejna grupa modeli po testach ... Open Source na łopatkach totalnie .... - gpt-5.6 sol - jako baseline - 4.42$ - nemotron 3.5 lightning - 0.04$ - deepseek-v4-pro-0813 - 12.20$ - Qwen3.8 Max - 11.72$ - Qwen3.8 2.4T A95B - 14.81$

Kolejna grupa modeli po testach ... Open Source na łopatkach totalnie .... - gpt-5.6 sol - jako baseline - 4.42$ - nemotron 3.5 lightning - 0.04$ - deepseek-v4-pro-0813 - 12.20$ - Qwen3.8 Max - 11.72$ - Qwen3.8 2.4T A95B - 14.81$

30,103 views • 2 months ago

Opus 5 - to zobaczmy co się dzieje na naszym standardowym teście ... ✻ Cooked for 2h 4m 50s 🤡 ✻ 10.6k input, 521.2k output, 62.1m cache read, 1.1m cache write ($55.10) 🤭 Więc ogólnie kosmos jeśli chodzi o czas, koszt, eco (liczbę generowanych tokenów). Efekt jednak dobry.

Opus 5 - to zobaczmy co się dzieje na naszym standardowym teście ... ✻ Cooked for 2h 4m 50s 🤡 ✻ 10.6k input, 521.2k output, 62.1m cache read, 1.1m cache write ($55.10) 🤭 Więc ogólnie kosmos jeśli chodzi o czas, koszt, eco (liczbę generowanych tokenów). Efekt jednak dobry.

34,496 views • 2 months ago

Szału na razie nie ma ale krok po kroku bawię się i wizdzę, że są małe postępy: - gpt-6 Astra (Codex Max) - gpt image 2.5 - meshy - blender - unity Krok po kroku poprawiane ... coś zaczyna się dziać. Na razie efekt mnie nie zadowala ale jak na kogoś kto tydzień temu wiedział o istnieniu tych programów (bender, unity, mesh) ale zupełnie nie umiał ich obsługiwać ... gpt-6 otwiera nowe możliwości.

Szału na razie nie ma ale krok po kroku bawię się i wizdzę, że są małe postępy: - gpt-6 Astra (Codex Max) - gpt image 2.5 - meshy - blender - unity Krok po kroku poprawiane ... coś zaczyna się dziać. Na razie efekt mnie nie zadowala ale jak na kogoś kto tydzień temu wiedział o istnieniu tych programów (bender, unity, mesh) ale zupełnie nie umiał ich obsługiwać ... gpt-6 otwiera nowe możliwości.

14,230 views • 1 month ago

W Polsce ekscytacja „Oze sr…e”, a w San Francisco i okolicach „Waymo sr…jmo”. Śmieję się bo mój wniosek po jeżdżeniu tym wynalazkiem jest taki, że wolę niekiedy oddać się robotowi, autonomii niż człowiekowi. Ale po kolei … Autonomia wtopiła się u ulice Doliny Krzemowej. Waymo ale też inne (na razie w fazie testów) to bardzo częsty widok. W zasadzie nic specjalnego …. Widzisz albo samochód widmo - ktoś siedzi zwykle z tyłu, albo kompletne widmo … wóz samotnie jadący gdzieś … gdzie? On tylko wie. Oglądam te stwory w różnych sytuacjach - pusta ulica, zmiana organizacji ruchu i kompletny chaos przed koncertem, ruch uliczny i centrum miasta. We wszystkich tych punktach czasoprzestrzeni radzą sobie wyśmienicie. Wzorce, które łatwo dostrzec: zdecydowanie (niektórzy mówią agresja) - starają się wcisnąć na pasy między przechodniami, chcą zmieniać pasy ruchu, wykorzystują różne takie luki, widzą przestrzennie ale też czytają (napisy na drodze - gdzie zostawić miejsce wolne), przepuszczają bardzo kulturalnie samochody włączające się do ruchu (no ja bym kiwnął ręką w podziękowaniu za takie ustąpienie), współpracują. Ten ostatni element jest ciekawy - tworzą autonomiczne swarmy. Wykorzystują mądrość grupową. Widziałem takie sytuacje gdzie Waymo między sobą współgrały i przepuszczały się na wzajem. To robiło ogromne wrażenie jak same się organizowały. Z punktu widzenia AI - fajna fuzja różnych modalności - LiDAR, wizja, radar, czujki dźwięku, świadomość grupowa pojazdów.

W Polsce ekscytacja „Oze sr…e”, a w San Francisco i okolicach „Waymo sr…jmo”. Śmieję się bo mój wniosek po jeżdżeniu tym wynalazkiem jest taki, że wolę niekiedy oddać się robotowi, autonomii niż człowiekowi. Ale po kolei … Autonomia wtopiła się u ulice Doliny Krzemowej. Waymo ale też inne (na razie w fazie testów) to bardzo częsty widok. W zasadzie nic specjalnego …. Widzisz albo samochód widmo - ktoś siedzi zwykle z tyłu, albo kompletne widmo … wóz samotnie jadący gdzieś … gdzie? On tylko wie. Oglądam te stwory w różnych sytuacjach - pusta ulica, zmiana organizacji ruchu i kompletny chaos przed koncertem, ruch uliczny i centrum miasta. We wszystkich tych punktach czasoprzestrzeni radzą sobie wyśmienicie. Wzorce, które łatwo dostrzec: zdecydowanie (niektórzy mówią agresja) - starają się wcisnąć na pasy między przechodniami, chcą zmieniać pasy ruchu, wykorzystują różne takie luki, widzą przestrzennie ale też czytają (napisy na drodze - gdzie zostawić miejsce wolne), przepuszczają bardzo kulturalnie samochody włączające się do ruchu (no ja bym kiwnął ręką w podziękowaniu za takie ustąpienie), współpracują. Ten ostatni element jest ciekawy - tworzą autonomiczne swarmy. Wykorzystują mądrość grupową. Widziałem takie sytuacje gdzie Waymo między sobą współgrały i przepuszczały się na wzajem. To robiło ogromne wrażenie jak same się organizowały. Z punktu widzenia AI - fajna fuzja różnych modalności - LiDAR, wizja, radar, czujki dźwięku, świadomość grupowa pojazdów.

57,505 views • 7 months ago

Przeanalizowałem "jev" jako implementacje open. Co z tego wynika. Rozpoczynając od końca. Chcesz to mieć już dzisiaj lokalnie działający inteligentny "if" : featherless-ai/simple-jev albo zhengxuyu/litjev - zero treningu, precyzyjna specyfikacja promptu. Na Apple Silicon: bnsd55/jevmlx albo backend MLX w SemIf. Jeśli masz GPU i zależy Ci na wyniku, SemIf jest najlepiej zmierzoną opcją bez treningu, jaka istnieje (#3 JevBench). Potrzebujesz jakości na własnej domenie: bespokelabsai/nimble ma najlepszą metodologię danych (contrastive curation, 2676 przykładów, LoRA r=16, jedna epoka). Alternatywnie RFDT w simple-jev. Chcesz zrozumieć mechanizm: jaredpalmer/kev - maska block-causal, pointer head, testy izolacji zamrożony framework z zablokowanym zbiorem testowym. Trenuje się w 1h45m na MacBooku. Do tego r-ms/mini-jev jako wzór metodologiczny: przedziały ufności, ablacje wariantów odczytu. Milisekundy i wąska domena: ścieżka enkoderowa - laya (421M), jeff (GLiFormer 400M), open-jev-deberta-v3-large, Verdict (151M). Licencje Apache-2.0, CPU ale zweryfikuj na własnych danych: rozjazd między samooceną a JevBench jest w tej grupie największy. Twój schemat ma pola liczbowe albo tekstowe: czysty System One ich nie obsłuży. TypeAR-AI/TypeAR łączy wybór jednotokenowy dla enumów z ograniczonym dekodowaniem dla integer/number i opcjonalnym rozumowaniem. Ścieżka DiffusionGemma (niezmergowany PR vLLM, prowizoryczne pola API) - mimo że jest najciekawsza technicznie i jako jedyna daje multimodalność. Warto oczywiście śledzić, testować.

Przeanalizowałem "jev" jako implementacje open. Co z tego wynika. Rozpoczynając od końca. Chcesz to mieć już dzisiaj lokalnie działający inteligentny "if" : featherless-ai/simple-jev albo zhengxuyu/litjev - zero treningu, precyzyjna specyfikacja promptu. Na Apple Silicon: bnsd55/jevmlx albo backend MLX w SemIf. Jeśli masz GPU i zależy Ci na wyniku, SemIf jest najlepiej zmierzoną opcją bez treningu, jaka istnieje (#3 JevBench). Potrzebujesz jakości na własnej domenie: bespokelabsai/nimble ma najlepszą metodologię danych (contrastive curation, 2676 przykładów, LoRA r=16, jedna epoka). Alternatywnie RFDT w simple-jev. Chcesz zrozumieć mechanizm: jaredpalmer/kev - maska block-causal, pointer head, testy izolacji zamrożony framework z zablokowanym zbiorem testowym. Trenuje się w 1h45m na MacBooku. Do tego r-ms/mini-jev jako wzór metodologiczny: przedziały ufności, ablacje wariantów odczytu. Milisekundy i wąska domena: ścieżka enkoderowa - laya (421M), jeff (GLiFormer 400M), open-jev-deberta-v3-large, Verdict (151M). Licencje Apache-2.0, CPU ale zweryfikuj na własnych danych: rozjazd między samooceną a JevBench jest w tej grupie największy. Twój schemat ma pola liczbowe albo tekstowe: czysty System One ich nie obsłuży. TypeAR-AI/TypeAR łączy wybór jednotokenowy dla enumów z ograniczonym dekodowaniem dla integer/number i opcjonalnym rozumowaniem. Ścieżka DiffusionGemma (niezmergowany PR vLLM, prowizoryczne pola API) - mimo że jest najciekawsza technicznie i jako jedyna daje multimodalność. Warto oczywiście śledzić, testować.

10,648 views • 29 days ago

Kolejny etap software engineering’u 🤩 Brak kodu!!! Zamiast dawać repo z kodem przekazywać repo z wymaganiami - product requirements documentation, architecture requirements, standards w etc. Wszystko zapisane w markdown. Zero kodu. Niech odbiorca sam sobie zakoduje :) Wczoraj wieczorem skończyłem właśnie pisać takie repo (Antec - personalny system agentowy - integruje najlepsze praktyki z 16 przebadanych systemów typu Clawd). W repo jest TYLKO komplet "ludzkich" dokumentów (jak kartki zapisane z koncepcją biznesową). Bez implementacji. Założenie jest takie, że klient pobiera repo, modyfikuje pliki wymagań markdown pod swoje potrzeby (dodanie, zmiana wymagań, wymagania technologiczne - typy baz danych, język programowania, jak ma być wdrażane np. docker czy w usłudze chmurowej). Uruchamiamy Claude Code (Codex) i system ten developuje całość do wdrożenia i utworzenia CD/CI. Puściłem dzisiaj rano implementację. Claude Code chodzi w 100% autonomicznie. Zarządza contextem przez podział wszystkiego na epic oraz user stories (tak opisałem wymagania). Fazy przekazywane są za pomocą tzw. handoverów (między fazami implementacji) - plików rozgrzebanej pracy (chociaż zakładam jak w scrum, że funkcjonalność jeśli podjęta musi być zaimplementowana, przetestowana - najwyżej może być różnica w zakresie implementacji np. 80%). Oprócz tego oczywiście wszystko opisane w Dodatkowo pliki (jako lessons learned) oraz plan (do planowania kolejnych sprintów). Stan na teraz: - liczba linii kodu - 16.006 l- iczba testcasów (trzy poziomy - komponent, integracja, e2e) - 283 - work in progress - zaimplementowano fazę 1 na 4 - planowane oddanie produktu jutro nad ranem (tak szacuję) Jak skończy implementację to zdam Wam raport ile było poprawek. Cel jest taki by doprowadzić do sytuacji gdzie kopiujecie repo, robicie zmiany, uruchamiacie klienta (Codex, Claude) po jakimś czasie otrzymujecie finalny produkt. Zobaczymy czy wyjdzie.

Kolejny etap software engineering’u 🤩 Brak kodu!!! Zamiast dawać repo z kodem przekazywać repo z wymaganiami - product requirements documentation, architecture requirements, standards w etc. Wszystko zapisane w markdown. Zero kodu. Niech odbiorca sam sobie zakoduje :) Wczoraj wieczorem skończyłem właśnie pisać takie repo (Antec - personalny system agentowy - integruje najlepsze praktyki z 16 przebadanych systemów typu Clawd). W repo jest TYLKO komplet "ludzkich" dokumentów (jak kartki zapisane z koncepcją biznesową). Bez implementacji. Założenie jest takie, że klient pobiera repo, modyfikuje pliki wymagań markdown pod swoje potrzeby (dodanie, zmiana wymagań, wymagania technologiczne - typy baz danych, język programowania, jak ma być wdrażane np. docker czy w usłudze chmurowej). Uruchamiamy Claude Code (Codex) i system ten developuje całość do wdrożenia i utworzenia CD/CI. Puściłem dzisiaj rano implementację. Claude Code chodzi w 100% autonomicznie. Zarządza contextem przez podział wszystkiego na epic oraz user stories (tak opisałem wymagania). Fazy przekazywane są za pomocą tzw. handoverów (między fazami implementacji) - plików rozgrzebanej pracy (chociaż zakładam jak w scrum, że funkcjonalność jeśli podjęta musi być zaimplementowana, przetestowana - najwyżej może być różnica w zakresie implementacji np. 80%). Oprócz tego oczywiście wszystko opisane w Dodatkowo pliki (jako lessons learned) oraz plan (do planowania kolejnych sprintów). Stan na teraz: - liczba linii kodu - 16.006 l- iczba testcasów (trzy poziomy - komponent, integracja, e2e) - 283 - work in progress - zaimplementowano fazę 1 na 4 - planowane oddanie produktu jutro nad ranem (tak szacuję) Jak skończy implementację to zdam Wam raport ile było poprawek. Cel jest taki by doprowadzić do sytuacji gdzie kopiujecie repo, robicie zmiany, uruchamiacie klienta (Codex, Claude) po jakimś czasie otrzymujecie finalny produkt. Zobaczymy czy wyjdzie.

52,067 views • 7 months ago

🇵🇱 Dzisiaj stworzyłem Claude Code Math Prover (13-minutowy film pokazuje jak to działa). Claude Code Opus 4.6 orkiestruje cały przepływ pracy. Deleguje podzadania do różnych agentów: - OpenAI Codex 5.3 (badacz, rozwiązuje, recenzent) - jak widać można używać równolegle i Codex'a i Claude Code. - Claude Code (planista, rozwiązuje). - Wykorzystuje MCP poprzez lean-lsp-mcp dowodzenie twierdzeń za pomocą Lean. Używam Team Agents z tmux do pokazania jak Claude Code deleguje zadania do Codex i do siebie ale do subagentów. SKILL - codex - napisałem skilla do orkiestracji Codex'a -------------------- 🇬🇧Claude Code Math Prover (13-minute video) I made today. Claude Code Opus 4.6 orchestrates the workflow. It delegates subtasks to different agents: - OpenAI Codex 5.3 (researcher, solver, reviewer) - so we can use both solution Codex ad Claude Code - Claude Code (planner, solver). - It uses MCP via lean-lsp-mcp, which enables agentic interaction with the Lean theorem prover. I use Claude Code team agents for this task so you can see how Claude Code delegate all task. SKILL - I wrote skill for codex orchestration

🇵🇱 Dzisiaj stworzyłem Claude Code Math Prover (13-minutowy film pokazuje jak to działa). Claude Code Opus 4.6 orkiestruje cały przepływ pracy. Deleguje podzadania do różnych agentów: - OpenAI Codex 5.3 (badacz, rozwiązuje, recenzent) - jak widać można używać równolegle i Codex'a i Claude Code. - Claude Code (planista, rozwiązuje). - Wykorzystuje MCP poprzez lean-lsp-mcp dowodzenie twierdzeń za pomocą Lean. Używam Team Agents z tmux do pokazania jak Claude Code deleguje zadania do Codex i do siebie ale do subagentów. SKILL - codex - napisałem skilla do orkiestracji Codex'a -------------------- 🇬🇧Claude Code Math Prover (13-minute video) I made today. Claude Code Opus 4.6 orchestrates the workflow. It delegates subtasks to different agents: - OpenAI Codex 5.3 (researcher, solver, reviewer) - so we can use both solution Codex ad Claude Code - Claude Code (planner, solver). - It uses MCP via lean-lsp-mcp, which enables agentic interaction with the Lean theorem prover. I use Claude Code team agents for this task so you can see how Claude Code delegate all task. SKILL - I wrote skill for codex orchestration

46,841 views • 8 months ago

Fable 5.1 - Chain Reaction Machine (mój standardowy test powtarzany dla wszystkich nowych modeli typu frontier). Tomek Tomasz Jetka mówi, że ma 95% odmów. U mnie tak samo - zadania biologiczne oraz optymalizacja zadań AI/ML - wszystko odmówił. No to uruchomiłem go na "najbardziej", jak przystało na frontier model, zaawansowanego zadania jakim jest stworzenie UI (choć do tego to spokojnie wystarczą tańsze modele, bez ograniczeń) dla symulacji zrozumienia prostych zasad świata naturalnego. Ogólnie jeśli chcesz napisać, że model jest najmocniejszy taktyka jest prosta - zablokuj go na najtrudniejszych zadaniach. Efekt? Jeden (słownie 1 prompt, jedno zadanie) i wypalone 43% tygodniowego limitu Fable 5.1 !!!! Efekt - zobaczcie sami - pierwsza część video, dla porównania w drugiej daję gpt-5.6-sol. 1⃣ Fable 5.1 (Claude Code) Total cost: $29.14 Total duration (API): 1h 18m 14s Total duration (wall): 1h 36m 41s claude-fable-5-1: 3.2k input, 356.4k output, 7.7m cache read, 468.1k cache write ($29.14) 2⃣ gpt 5.6-sol (Codex) - extra-high Estimated total cost: $2,71 Token usage: total=117 989 input=79 695 (+ 4 072 576 cached) output=38 294 (reasoning 14 271) Total duration: 25m 23s Liczby raportowane przez narzędzia Codex i Claude Code. GPT‑5.6 Sol w Codex był zdecydowanie optymalniejszy ekonomicznie: - kosztował około 90,4–90,7% mniej, - był około 10,5 raza tańszy, - zużył około 9,3 raza mniej raportowanego outputu. Różnica kosztu wynosi około $26,4. Oznacza to, że Fable byłby ekonomicznie korzystniejszy dopiero wtedy, gdyby dzięki lepszemu rezultatowi oszczędził dodatkowo mniej więcej: - 32 minuty pracy człowieka wycenianej na $50/h, - 16 minut przy $100/h, Jeśli akceptujemy rozwiązania i przyjmujemy, że jakościowo są takie same to GPT-5.6 wygrywa ze znaczą przewagą.

Fable 5.1 - Chain Reaction Machine (mój standardowy test powtarzany dla wszystkich nowych modeli typu frontier). Tomek Tomasz Jetka mówi, że ma 95% odmów. U mnie tak samo - zadania biologiczne oraz optymalizacja zadań AI/ML - wszystko odmówił. No to uruchomiłem go na "najbardziej", jak przystało na frontier model, zaawansowanego zadania jakim jest stworzenie UI (choć do tego to spokojnie wystarczą tańsze modele, bez ograniczeń) dla symulacji zrozumienia prostych zasad świata naturalnego. Ogólnie jeśli chcesz napisać, że model jest najmocniejszy taktyka jest prosta - zablokuj go na najtrudniejszych zadaniach. Efekt? Jeden (słownie 1 prompt, jedno zadanie) i wypalone 43% tygodniowego limitu Fable 5.1 !!!! Efekt - zobaczcie sami - pierwsza część video, dla porównania w drugiej daję gpt-5.6-sol. 1⃣ Fable 5.1 (Claude Code) Total cost: $29.14 Total duration (API): 1h 18m 14s Total duration (wall): 1h 36m 41s claude-fable-5-1: 3.2k input, 356.4k output, 7.7m cache read, 468.1k cache write ($29.14) 2⃣ gpt 5.6-sol (Codex) - extra-high Estimated total cost: $2,71 Token usage: total=117 989 input=79 695 (+ 4 072 576 cached) output=38 294 (reasoning 14 271) Total duration: 25m 23s Liczby raportowane przez narzędzia Codex i Claude Code. GPT‑5.6 Sol w Codex był zdecydowanie optymalniejszy ekonomicznie: - kosztował około 90,4–90,7% mniej, - był około 10,5 raza tańszy, - zużył około 9,3 raza mniej raportowanego outputu. Różnica kosztu wynosi około $26,4. Oznacza to, że Fable byłby ekonomicznie korzystniejszy dopiero wtedy, gdyby dzięki lepszemu rezultatowi oszczędził dodatkowo mniej więcej: - 32 minuty pracy człowieka wycenianej na $50/h, - 16 minut przy $100/h, Jeśli akceptujemy rozwiązania i przyjmujemy, że jakościowo są takie same to GPT-5.6 wygrywa ze znaczą przewagą.

12,550 views • 1 month ago

AGI a'la Fable i Sonnet 5 - chwila refleksji i otrzeźwienia moi drodzy. Oceńcie sami. Bez marketingu. Na chłodno. Standardowy test, który przeprowadzam by przetestować Frontier model - rozumienie świata (wycinek świata) - Chain Reaction Machine. Czyli planowanie, przewidywanie konsekwencji, akcja-reakcja. Nic nie narzucam ... po prostu daję zadanie by model/system udowodnił, że rozumie jak działa świat. By było łatwiej daję zadanie programistyczne (by wszystko dało się dokładnie zaprojektować i obliczyć). Nie jakieś tricki z cyklu liczenie pojedynczych literek wykorzystujące niedoskonałości techniczne elementów modelu (tokenizację). Nie jest to test idealny ale pokazuje sporo na temat tzw. "AGI" (model świata, wiedza o nim, zdolność kodowania, umiejętność tworzenia UI, samoświadomość tego co stworzył itd.). 💰Fable 5: 1 godzina 29 minut 56 sekund 34.61 USD claude-haiku-4-5: 507 input, 14 output, 0 cache read, 0 cache write ($0.0006) claude-fable-5: 10.3k input, 259.3k output, 14.3m cache read, 363.8k cache write ($34.61) 🤒Sonnet 5: 19 minut 3.82 USD clode-haiku-4-5: 507 input, 14 output, 0 cache read, 0 cache write ($0.0006), claude-sonnet-5: 9.2k input, 101.4k output, 3.1m cache read, 222.3k cache write ($3.82)

AGI a'la Fable i Sonnet 5 - chwila refleksji i otrzeźwienia moi drodzy. Oceńcie sami. Bez marketingu. Na chłodno. Standardowy test, który przeprowadzam by przetestować Frontier model - rozumienie świata (wycinek świata) - Chain Reaction Machine. Czyli planowanie, przewidywanie konsekwencji, akcja-reakcja. Nic nie narzucam ... po prostu daję zadanie by model/system udowodnił, że rozumie jak działa świat. By było łatwiej daję zadanie programistyczne (by wszystko dało się dokładnie zaprojektować i obliczyć). Nie jakieś tricki z cyklu liczenie pojedynczych literek wykorzystujące niedoskonałości techniczne elementów modelu (tokenizację). Nie jest to test idealny ale pokazuje sporo na temat tzw. "AGI" (model świata, wiedza o nim, zdolność kodowania, umiejętność tworzenia UI, samoświadomość tego co stworzył itd.). 💰Fable 5: 1 godzina 29 minut 56 sekund 34.61 USD claude-haiku-4-5: 507 input, 14 output, 0 cache read, 0 cache write ($0.0006) claude-fable-5: 10.3k input, 259.3k output, 14.3m cache read, 363.8k cache write ($34.61) 🤒Sonnet 5: 19 minut 3.82 USD clode-haiku-4-5: 507 input, 14 output, 0 cache read, 0 cache write ($0.0006), claude-sonnet-5: 9.2k input, 101.4k output, 3.1m cache read, 222.3k cache write ($3.82)

24,109 views • 3 months ago