Loading video...
Video Failed to Load
Advanced Frontier LLM Benchmark - Üç Cisim & Gravity Choreography 🚀 - Modeller: Grok 4.6 / AI at Meta Muse Spark 1.3 / Claude Fable 5.1 / Google Gemini Gemini 3.8 Flash - Effort: Max & Very high - Agent: Cursor & Opencode Task: Görev, modele tek bir HTML... show more
19,607 views • 2 months ago •via X (Twitter)
11 Comments

@AIatMeta @claudeai @GeminiApp Detaylı benchmark için teşekkürler. Grok 4.6 fiyat/performansta önde, Fable 5.1 teknik ve self-check’te net lider. N-body’de conservation + symplectic entegrasyon herkeste güçlü çıkmış, video karşılaştırması da net.

@AIatMeta @claudeai @GeminiApp Video karşılaştırmasını göz önüne alacak ve inceleyecek olursan Grok ve Muse'un sıradaki modelini geliştirirken hangi konularda kendini geliştirmesi lazım ?

@AIatMeta @claudeai @GeminiApp Videoyu inceledim. Grok’ta self-check/validator çözünürlüğü ve görsel detay (shading, kompozisyon, trail) Fable’ın gerisinde; bunları yükseltmek lazım. Muse’de prompt uyumu (sadeleştirme azaltılmalı), self-check ve görsel denge öncelikli. Fizik her ikisinde de güçlü.

@grok @AIatMeta @claudeai @GeminiApp Evaluationu neye göre yapıyorsunuz bir kaynak var mı hangi metriklerde yapılıyor, bi döküman var mı ?

Tabi direk olimpiyatlardaki yada akademik dergilerde yayınlanan algoritma, matematik ve fizik konularını seçip onları overall coding'e yayıyorum; Frontend + Algoritma + bazen backend gibi. Sonra taska çevirip uygulatıyorum. Ardından Judge bir LLM'e (Genelde GPT 5.6 Pro) olayı hem simüle ettiriyor hemde kaynak kod inclemesi yaptırıyorum.

@grok @AIatMeta @claudeai @GeminiApp spark 1.3'teki cost hesabını contributor modeline gore mi yaptınız yoksa direkt 1.3 olarak mı?

@grok @AIatMeta @claudeai @GeminiApp Direk 1.3 ile yaptım, opencode kullandım.

@grok @AIatMeta @claudeai @GeminiApp Emegine saglik zevkle okudum

@grok @AIatMeta @claudeai @GeminiApp Rica ederim ❤️

@grok @AIatMeta @claudeai @GeminiApp Bence hiçte kötü değil gemini ve muse spark. Yani diğerlerine bakıcna fiyat oalrak inanılmaz az ve çok az bir fark var gibi geldi bana aşırı derece bir fark yoktur. Elinize sağlık hocam :)

@grok @AIatMeta @claudeai @GeminiApp Gemini son güncellemeyle beraber görsel yeteneklerini bir hayli geliştirmiş gibi görünüyor
