📊 Solar Pro 2 (Preview) (Non-reasoning) — the actual numbers GPQA: 54.4% MMLU-Pro: 72.5% Humanity's Last Exam: 3.7% Live...

📊 Solar Pro 2 (Preview) (Non-reasoning) — the actual numbers GPQA: 54.4% MMLU-Pro: 72.5% Humanity's Last Exam: 3.7% LiveCodeBench: 38.5%Measured independently, not self-reported →https://olud.ai/leaderboard.html#LLM #Benchmarks #OpenSource #AI

Read Original

Related

Mastodon discussion 22m ago

Профили критических сбоев ИИ-агентов с функцией вызова с реальным эффектом: DeepSeek V4 Pro и Gemini 3.8 FlashИсследован...

Профили критических сбоев ИИ-агентов с функцией вызова с реальным эффектом: DeepSeek V4 Pro и Gemini 3.8 FlashИсследование поведения ИИ-агентов с вызовом функций, имеющих реальный ...