AI-modellek már jobbak a könyvelőknél havi zárásban, a Stratego bajnokát is legyőzte az Ataraxos

A Mercor által végzett tesztben 12 minősített könyvelő vett részt négy egyszerűsített havi zárási feladatban. Az emberi átlag a kritériumoknak nagyjából 37%-át teljesítette. A tavaly még csak a tartomány alján kullogó frontier modellek mára a lista élén szerepelnek, a Claude Opus 5 pedig közel 100%-ot ért el a tanulmány szerint. (The Neuron)

Könyvelési feladatok és AI-ügynökök

Fontos megjegyezni, hogy a feladatokat gondosan tervezték meg: jól specifikált fájl- és matematikai műveletekről volt szó, nem pedig ügyfélbeszélgetésekről, ítélkezési feladatokról vagy teljes körű zárásokról. A változás üteme azonban nehezen hagyható figyelmen kívül: az AI-ügynökök az ilyen típusú feladatok első, checklistalapú körét végzik el, az emberi szakemberek pedig a kivételeket vizsgálják át.

Játékstratégiák és szoftverfejlesztés

Az Ataraxos nevű AI-rendszer 15–1–4 arányban győzte le a legtöbb díjat nyert Stratego játékost 20 partiban. A rendszer rejtett információ mellett, önmagát játszva tanult, majd ugyanezt a megközelítést más, nem tökéletes információjú játékokra is általánosította. A kód és a súlyok elérhetők a GitHubon.

Az OpenAI Alapítvány 163 nonprofit szervezetet nevezett meg, amelyek 35 államban és Washington D.C.-ben osztoznak 50 millió dolláron a „People-first AI Fund” keretében. A támogatás feltétel nélküli, és nem írja elő a kedvezményezettek számára az OpenAI termékeinek használatát. Az Alapítvány a kedvezményezettek listáját az X-en is megosztotta.

A DeepSeek szoftvereket épít a Huawei AI chipekre, beleértve hat nyílt forráskódú eszközt és egy TileLang adaptációt az Ascend 950-hez. A kínai laborok ezzel csökkentik függőségüket az NVIDIA szoftvercsomagjától.

A SpaceX AI-üzletága állítólag felgyorsította adatközpont-építését a piaci átlagot meghaladó munkaerővel, offsite előregyártással és ipari robotokkal. A nyári tárgyalásokon a cég compute-kapacitást kívánt lízingelni a Microsoftnak, de a megállapodás nem jött létre. A DeepSeek hat nyílt forráskódú eszközt fejlesztett ki a Huawei Ascend 950 chipekre.