OpenAI O3: A Breakthrough in Agentic Coding?

Hier ist meine Eingabeaufforderung. Erstelle eine einfache Enzyklopädie der ersten 25 legendären Pokemon. Füge ihre Typ L Snippets und Bilder ein. Erstelle eine einzelne Datei mit CSS, JS und HTML. Dies ist wahrscheinlich eine der am besten aussehenden Websites, die ich für diese Eingabeaufforderung gesehen habe. Und sogar die Suche funktioniert. Sie hat sogar diesen Fernsehkanal erstellt, bei dem der Kanal mit Zahlen wechselt, mit ziemlich coolen Animationen, mit Hilfe einer einzigen kurzen Eingabeaufforderung. Und sieh dir diese coole Animation an. Und es ist das erste OpenAI Modell, das dies problemlos kann. Es ist jedoch nicht perfekt und versagt auf spektakuläre Weise. Wir werden uns später im Video einige Beispiele ansehen. In diesem Video werden wir uns die Programmierfähigkeiten von ansehen und es macht ein paar Dinge, die ich noch bei keinem Modell gesehen habe, was wirklich beeindruckend ist. Ich habe diese sehr einfache Web App mit O erstellt, aber ich denke, das ist wahrscheinlich eines der beeindruckendsten Dinge, die ich je bei einem Modell gesehen habe. Ich werde später im Video erklären, warum. Bevor wir uns einige Programmierbeispiele ansehen, möchte ich euch folgendes zeigen. Ich habe also gefragt, was das Model Context Protocol ist und wie es sich vom Agent to Agent Protokoll unterscheidet. Beachten Sie bitte, dass ich die Websuche nicht aktiviert habe. Ich hatte erwartet, dass das Modell einfach halluzinieren würde, wie jedes andere Modell, das ich mit dieser Eingabeaufforderung getestet habe. Aber hier ist, was es ausgegeben hat. Das ist also der interne Gedankengang. Es heißt, der Nutzer fragt nach dem Model Context Protocol und dem Agent to Agent Protokoll. Diese Begriffe sind wahrscheinlich neu oder dynamisch, insbesondere nach 2025. Ich sollte sie also nachschlagen, um genaue Definitionen zu erhalten. Das Model Context Protocol könnte ein neues Konzept sein und das Agent Agent Protokoll könnte sich auf die Agent Agent Spezifikation der I Alliance beziehen. Das ist etwas, das mir bisher nicht aufgefallen ist, denn selbst wenn ich das Schlussfolgerungsmodell so etwas frage, wird es eine Antwort geben. Aber dieses Modell hat sich entschieden, eine Websuche durchzuführen, bevor es eine Antwort geben konnte. Auch hier habe ich die Websuche nicht standardmäßig aktiviert, aber es scheint, dass es Zugriff auf dieses Websuchtool hat und sich entschieden hat, es zu verwenden. Eine weitere Die Websuche unterscheidet sich stark von der normalen Websuche, die GPT-40 früher durchgeführt hat. Sie ist eher agentenbasiert. Sie sehen hier, dass zuerst die Spezifikation des Modellkontextprotokolls zusammen mit dem Agent zu Agent Protokoll nachgeschlagen wurde. Dann wurde eine zweite Websuche durchgeführt und auf der Grundlage all dieser Ergebnisse die endgültige Antwort gefunden. Das ist schon ziemlich beeindruckend. Die andere agentenbasierte Websuchimplementierung, die ich gesehen habe, stammt von CLON. Hier können wir die Websuche zusammen mit erweitertem Denken aktivieren. Wenn Sie diese Funktion verwenden, werden Sie ein sehr ähnliches Muster feststellen. Zuerst wird die interne Gedankenkette und dann die Websuchanfragen ermittelt. Die Websuche wird dann entsprechend durchgeführt. Ich denke, hier wurde eine Zwischenwebsuche durchgeführt und jetzt werden Antworten basierend auf dieser Websuche generiert. Manchmal verfeinert die Websuche jedoch und stellt eine sekundäre Anfrage an die Websuchmaschine. OK, ich führe sie nun durch einige Beispielcodes, die ich diesbezüglich getestet habe. Meine erste Aufgabe war also, eine einfache Enzyklopädie der ersten 25 legendären Pokémon zu. Erstellen, einschließlich ihrer Typen, Snippets und Bilder. Erstelle eine einzelne Datei mit cssjs und HTML. Der interne Denkansatz für dieses Modell unterscheidet sich stark von und ist eher agentenorientierter Natur. Hier wird also darüber nachgedacht, welche Benutzeranforderungen es erfüllt und dann wird ein Plan erstellt. Später zeige ich euch, dass es innerhalb des Denkansatzes sequenzielle Tool oder Funktionsaufrufe vornimmt, was ich noch nie zuvor gesehen habe. Wir werden uns später im Video ein Beispiel ansehen, aber insgesamt ist das eine sehr beeindruckende Sache. OK, hier ist der generierte Code und dies ist wahrscheinlich eine der ansprechendsten Websites, die ein LLM für diese spezielle Aufgabe erstellt hat. Es scheint, als hätten sie sie definitiv für den Code und insbesondere für das UI Design optimiert. In diesem Fall wurde oben keine Suchleiste angezeigt. Daher habe ich das Modell einfach gebeten, eine Suchleiste einzufügen und es hat einen fehlerfreien Code generiert, der die vorherige Funktionalität beibehält. Etwas, bei dem man es immer wieder auffordern muss, einem den vollständigen Code zu liefern, da es dazu neigt, einem einfach nur die aktualisierten Codebearbeitungen zu liefern, was in Ordnung ist, besonders wenn man in einer Coding IDE arbeitet. Aber da ich hier alles verwendet habe, wollte ich, dass es mir funktionierenden Code liefert und das Update scheint auch zu funktionieren. Das sieht ziemlich gut aus. OK, Im ersten Prompt gab es viel kreative Freiheit. Der Hauptnutzen dieser LLMs liegt jedoch, dass sie in der Lage sind, ihren spezifischen Anweisungen zu folgen. Wenn sie viel Raum für Kreativität lassen, wird sich das Modell einfach etwas einfallen lassen. Hier ist also ein Prompt, das ich gerne verwende, das dem LLM sehr spezifische Anweisungen gibt und gleichzeitig etwas Raum für Kreativität lässt. Der Prompt lautet also Coded TV, mit dem ich mit den Zifferntasten zwischen Kanälen wechseln kann. Für jeden Kanal muss es sich nun eine Idee und eine interessante Animation einfallen lassen, die jedoch von einem klassischen Genre von Fernsehkanälen inspiriert sein muss. Es muss eine Skizze mit 800 800 in P JS erstellen und wir wollen nicht, dass es HTML verwendet und der gesamte TV Kanal muss auf den von uns angeforderten TV Bildschirmbereich maskiert werden. Daher kopiere ich diesen Code. OK, so sieht die Ausgabe aus. Dies ist der erste Kanal Classic Tunes. Sehen wir uns Global News an und es hat auch diese Leiste hinzugefügt. Dies ist nun Action Sports Grove TV naturcape. Dies ist Cosmos skifi. Ich denke, OK. In diesem Fall hat es aus irgendeinem Grund den Namen des TV Kanals in den unteren Chef Kanal eingefügt. Die beste Animation, die ich für diese spezielle Eingabeaufforderung gesehen habe, war von 4.1 GPT 4.1 Ich denke also, wir könnten es definitiv bitten, an den Animationen zu arbeiten. Insgesamt macht es jedoch einen wirklich guten Job. Ich wollte nur sehen, ob ich dieses Modell verwirren kann. In diesem Fall habe ich nur einen Screenshot bereitgestellt und es hieß Siehst du irgendwelche Probleme damit, basierend auf den tatsächlichen Anforderungen? Jetzt heißt es der Nutzer frage anscheinend, ob es Probleme mit der Lösung gebe, die er auf Grundlage der ursprünglichen Anforderungen bereitgestellt habe. Richtig. Es werden also eine ganze Reihe von Dingen durchgegangen, vor allem, da es sich um ein Bild eines Wetterkanals handelt. Es überlegt sich OK, gibt es tote Pixel? Richtig. Und jetzt können Sie innerhalb der Gedankenkette sehen, dass es tatsächlich dieses Bild anzeigt, was sehr interessant ist. Das habe ich zuvor bei noch keinem anderen Modell gesehen. Hier ist jedoch der interessanteste Teil. Es heißt also, dass wir die Anforderungen für die Entwicklung der Kanalideen für jede Zahl erfüllt haben, was gut ist. Aber ich denke, es könnte ein Problem mit der Ebenenanordnung geben. Der Kanaltext könnte sich überlappen und der Rand des Fernsehers könnte unerwünschte Sichtbarkeit verursachen. Ein Problem ist, dass der Aufruf von Background With innerhalb einer der Kanalfunktionen die Zeichenfläche über die Clipping Bereiche hinaus zurücksetzen könnte, richtig. Es werden also im Grunde verschiedene Debugging Strategien durchdacht. Jetzt hat es angefangen, Hyzon Code zu schreiben und Sie können sehen, dass es diesen Code für verschiedene Dinge ausführt, die es analysieren möchte, und dies geschieht innerhalb der Gedankenkette. Es führt also sequenzielle Funktionsaufrufe oder Funktionsausführungen durch und analysiert die Ergebnisse dieser. Basierend darauf aktualisiert es dann seinen Plan oder seine Implementierung, was wirklich interessant ist. Und ich persönlich habe so etwas noch nie gesehen. Das zeigt definitiv ein neues Maß an Intelligenz bei diesen Argumentationsmodellen. OK. Obwohl ich nicht weiß, ob das hier tatsächlich halluziniert, sagt es basierend auf dieser Analyse, dass der Wetterkanal aus der TV Bildschirmmaske austritt, was auf den ersten Blick nicht der Fall zu sein scheint. Es hat also einige Aktualisierungen vorgenommen oder empfohlen. Etwas, von dem ich dachte, dass es ein Problem sein könnte, war, dass die Skizze nicht 800 800 groß ist. Sie ist rechteckig, nicht quadratisch. Schauen Sie sich das Bild noch einmal an und dann wurde mir gesagt, dass es die Zeichenfläche erstellt hat, aber die Art und Weise, wie sie angezeigt wird, könnte dazu führen, dass sie wie ein Rechteck aussieht. Wir werden uns jetzt ein paar Beispiele ansehen, aber dann möchte ich diese spezielle App und ihre Erstellung erläutern, was meiner Meinung nach viele Möglichkeiten in Chart GPT eröffnet. OK. Eine weitere Eingabeaufforderung, die ich gerne für größere Argumentationsmodelle verwende, ist diese Ich möchte eine JS Simulation einer Kugel erstellen, die aus rotierenden asymmetrischen Zahlen besteht. Die nächstgelegene Zahl sollte rein weiß sein und die am weitesten entfernte sollte auf schwarzem Hintergrund grau auslaufen. Achte darauf, dass sich der gesamte Code in einer einzigen Zeile befindet. Hier ist der generierte Code. Wenn wir diesen Code ausführen, werden Sie jedoch ein Problem feststellen. Wir haben sichergestellt, dass die Zahlen, die uns am nächsten sind, rein weiß und die weiter entfernten grau sind. Dies wird jedoch vollständig wiederhergestellt. Daher habe ich einfach das Bild bereitgestellt. Und da das Programm über multimodale Argumentationsfähigkeiten verfügt, habe ich gefragt, ob bei dieser von Ihnen erstellten Simulation ein Problem auftritt. Das Programm hat nun etwa 20 Sekunden lang nachgedacht. Es heißt nun, dass ich den Screenshot mit den ursprünglichen Anforderungen vergleiche. Der Kugelverlauf ist größtenteils korrekt, wobei die Mitte weiß ist und der Rand grau ausläuft. Ich frage mich jedoch, ob es möglicherweise Probleme mit der Z Sortierung gibt, da wir zunächst vier Punkte zeichnen. Vielleicht überlappen sich die Zahlen richtig. Das ist also der erste Gedanke, der dem Programm kommt. Aus irgendeinem Grund dachte es zunächst 20 Sekunden lang nach. Und startete dann einen weiteren Denkprozess. In diesem Fall dachte es also 47 Sekunden lang nach. Auch hier ist es eher agentischer Natur. Es ist nicht wie bei den anderen Schlussfolgerungsmodellen, die ein paar Sekunden lang nachdenken und dann eine Antwort generieren. Es kann tatsächlich innerhalb seiner Gedankenkette Maßnahmen ergreifen. Dies war jedoch interessant, da es zwei verschiedene Sitzungen lang nachgedacht hat. Gerade eben hat es herausgefunden, dass die Reihenfolge des Maleralgorithmus umgekehrt ist. Es sagt also, dass ich die Punkte von der Kamera nach hinten sortiert habe. Die Ziffern ganz hinten werden also alle zuletzt gemalt und können die näheren helleren teilweise verdecken. Gerade hat es mir einen aktualisierten Code gegeben, den Sie hier sehen. Ich werde ihn also einfach ausführen. Er hat nicht funktioniert. Richtig. Es stößt also auf genau dasselbe Problem und deshalb können Sie sehen, dass es manchmal bei Einzelaufnahmen nicht funktioniert. Ich habe also gesagt, dass das gleiche Problem weiterhin besteht. Es dachte eine Weile nach, der Denkprozess ist nun korrekt, aber ich denke, die Code Implementierung war nicht richtig. Dann steht da unten eine einzelne Version, in der beide Probleme behoben wurden. Der Painter Algorithmus zeichnet also immer noch zuerst entfernte Punkte und dann die nahen und dann ein Depth Shading Mapping, bei dem nah jetzt gleich reines weiß und fern gleich grau ist. Mal sehen, ob das das Problem löst. Richtig. Und Sie sehen, es hat das Problem gelöst. Richtig. Nach ein paar Iterationen konnte es das Problem lösen, aber wir mussten es anleiten und Das Gute daran ist, dass ich in beiden Fällen nur den Screenshot bereitstellen musste. Es kann das Problem also nur anhand des Screenshots verstehen. Was ziemlich beeindruckend ist, dass ein Modell in der Lage ist, Schlussfolgerungen über Multimodelldaten zu ziehen. Ich zeige Ihnen noch zwei weitere Beispiele für Programmierprojekte, bevor wir uns diesen Text zu Bildgenerator ansehen und warum ich persönlich beeindruckt war. Dies ist eine Variation des viralen Balls, der in einen Sechseck hüpft. Ich habe also eine sehr ähnliche Eingabeaufforderung, aber jetzt wollten wir 20 Bälle darin hüpfen lassen. Sie müssen den gleichen Radius haben, Sie müssen nummeriert sein, Sie müssen vom Zentrum aus fallen. Hier sind die Farbschemata. Und dann haben wir auch noch ganz spezifische Anforderungen hinsichtlich der Interaktionen zwischen den Kugeln und den Seiten sowie untereinander, Richtig. Also muss alles in einer einzigen HTML Datei sein. Für diese Code spezifischen Dinge werden zunächst die Anforderungen durchgegangen, was ziemlich gut ist. Aber mir ist aufgefallen, dass der generierte Code normalerweise ziemlich prägnant ist und im Vergleich zu einigen anderen kleineren Modellen normalerweise nicht so viele Erläuterungen enthält. OK, hier ist der Code. Dies ist wahrscheinlich das erste Modell von OpenAI, das ich gesehen habe, das dies tatsächlich effektiv lösen kann. Richtig. Ich werde es also noch einmal ausführen. Sie sehen, dass alles in der Mitte begonnen hat und jetzt im Grunde alle Anforderungen erfüllt werden. Es gibt insgesamt 20 Kugeln, die basierend auf der Sechseck oder der Siebeneck Rotation rollen. Ich muss sicherstellen, dass es sich tatsächlich um ein Siebeneck handelt. Ja, es ist ein Siebeneck. Es kann also alle Anforderungen erfüllen. Wirklich beeindruckend. Ich habe noch kein OpenAI Modell gesehen, das das kann. Das einzige andere Modell, das dem in meinen Tests näher kam, war CLA. OK. Nun, es ist keineswegs ein perfektes Modell. Es kann auf ziemlich seltsame Weise versagen. Hier ist also eine Eingabeaufforderung, von der ich nach dem Betrachten aller anderen Ergebnisse dachte, dass sie ziemlich einfach zu bewerkstelligen sein sollte. Die Eingabeaufforderung. Erstelle eine JavaScript-Animation von fallenden Buchstaben. Mit realistischer Physik. Die Buchstaben sollten zufällig in verschiedenen Größen oben auf dem Bildschirm erscheinen. Sie müssen unter der Schwerkraft der Erde fallen. Die Kollisionserkennung ist der des Balls sehr ähnlich. Richtig. Es gibt also eine Reihe von Anforderungen, die wir zusammengestellt haben und dieser Code wurde gerade für uns erstellt. Bei dieser sind einige interessante Probleme aufgetreten. Ich füge das einfach ein. Führen wir es aus. Wie du siehst, gab es einen Fehler in Bezug auf eine nicht unterstützte OpenType Signatur 4 404. Danach hatten wir ein paar Iterationen, in denen es einige Lösungen vorschlug und dann habe ich, glaube ich, noch einige weitere hinzugefügt. Jetzt musste ich aufhören, weil ich mit einigen anderen Tests weitermachen wollte. Aber das ist das Ende, an dem wir angekommen sind. Richtig. Es scheint, als würden die Buchstaben herunterfallen. Sie werden nicht wirklich angezeigt und normalerweise habe ich bei anderen Modellen gesehen, dass es normalerweise Rechtecke um die Buchstaben gibt, die die Buchstaben manchmal verdecken können. Richtig. Das könnte also der Fall sein. Aber selbst nach vier oder fünf verschiedenen Versuchen mit Interaktionen konnte mir keinen funktionierenden Code dafür geben. OK, das bringt uns zum letzten und das ist etwas, das mich wirklich beeindruckt hat, weil ich noch kein anderes Modell gesehen habe, das das kann. Die Eingabeaufforderung war also sehr Hilf mir eine Text zu Bild App zu erstellen. Der Benutzer gibt eine Textaufforderung ein und verwendet dann die native Bildgenerierungs API von Gemini Flash Zweiter um das Bild zu erstellen und es dem Benutzer anzuzeigen. Es muss die Möglichkeit haben, das Bild zu regenerieren und auch das Bild herunterzuladen. Ich gebe diese Eingabeaufforderung zweimal, weil ich beim zweiten Mal möchte, dass alles in einer einzigen Python Datei implementiert wird. OK. Normalerweise stelle ich beim Testen dieser Eingabeaufforderung mit einigen anderen LLMs die Dokumentation der von mir verwendeten API zur Verfügung. Auf diese Weise haben die LLMs während der Implementierung eine Referenz. Da dies nun über Suchfunktionen verfügt, wollte ich sehen, wie es sich angesichts der kürzlichen Änderungen des Gemini SDK-Verhältnis die meisten Modelle. Haben das ältere SDK in den Trainingsdaten gesehen und sind in der Regel sogar zwischen dem neuen und dem alten SDK verwechselt, wenn sie Dokumentation bereitstellen. In diesem Fall wollte ich also, dass es herausfindet, welches SDK verwendet werden soll und wie es bei Problemen diese lösen kann. OK. So sieht der interne Gedankengang aus. Der Benutzer möchte eine Text zu Bild App erstellen, in die er eine Textaufforderung eingibt. Die Gemini 2 Gemini Flash API generiert das Bild und zeigt es an. Richtig. Dann heißt es, dass die Anweisungen eine kleine Python Web App unter Verwendung von Plattformen wie Fast API, Flasker Radio vorschlagen. Ich habe nicht angegeben, welche verwendet werden soll, also musste es entscheiden, welche verwendet werden soll. Nun wurde eine Websuche nach der Gemini Flash Image Generation API durchgeführt. Dann heißt es, dass ich mindestens 10 verschiedene und qualitativ hochwertige Quellen sammeln muss, die früheren zählen, aber ich benötige auch mehr über Gradient oder Streamlit. Dies ist also der zweite Durchlauf der Websuche und auch hier handelt es sich eher um eine sequenzielle Verwendung des Tools. Wie ich im gesamten Video bereits erwähnt habe, scheint dies von Natur aus ein eher agentenorientiertes System zu sein. Nun kann es sich um das Modell handeln, oder ich vermute, es ist ein System, das es dazu ermutigt, mehrere Durchgänge durchzuführen. OK, dann heißt es also, dass ich eine Liste von Ressourcen gesammelt habe, aber mindestens 10 verschiedene und qualitativ hochwertige Ressourcen benötige. Richtig. Es scheint also, dass es den ersten Durchlauf durchgeführt hat, aber es ist der Meinung, dass die Quellen nicht gut genug sind. Deshalb hat es sich entschieden, einen weiteren Durchlauf durchzuführen, was ziemlich beeindruckend ist, wenn man bedenkt, dass es sich nicht um die Deep Search Funktion handelt. Es verwendet nur einen einfachen Websuchmechanismus. Basierend auf all dem erstellt es nun einen Implementierungsplan. Es implementiert alles. Das Interessante daran ist, dass es sich tatsächlich dafür entschieden hat, die neuere Version des Gemini SDK zu verwenden. Ich zeige euch, dass es die neuere Version verwendet hat, was eine wirklich gute Sache ist. Es hat jedoch einen Fehler gemacht, als es die Konfigurationen überprüft hat. Es hat tatsächlich einige Konfigurationen aus dem alten SDK verwendet. Dies ist also die vorherige Version, bei der ich versucht habe, diese Konfigurationsfunktion mit dem älteren SDK zu verwenden. Dann ist ein Problem aufgetreten. Ich habe ihm einfach mitgeteilt, dass es das falsche SDK überprüft. Nun sind ein paar Dinge passiert und nur durch die Ausgabe der Fehlermeldungen plant es erneut eine zweite Suche durchzuführen und dann seinen Code zu aktualisieren. Aber es gibt noch etwas sehr Interessantes. Bevor ich den Code ausführe, habe ich es gebeten, ein Abbild davon zu erstellen, wie die App aussehen soll. Richtig. Basierend auf dem Code, den es hier geschrieben hat, ist es so, wie es denkt, dass die App aussehen wird. Und das kommt der tatsächlich generierten App sehr nah. Richtig. Wenn wir hier hingehen, ist das die ursprüngliche App oder die tatsächlich generierte App. Sie haben also eine Generierungskonfiguration für Bilder, die Sie anfordern können. Derzeit ist dies auf 1 beschränkt. Es wurde eine Beispielaufforderung hinzugefügt. Wenn Sie jetzt zurückgehen und es sich ansehen, ist es wahrscheinlich viel übersichtlicher, aber der Titel ist genau derselbe. Es gibt noch etwas zusätzlichen Text, der zur App hinzugefügt wurde, aber insgesamt sieht das Design sehr ähnlich aus. Nach einigen Iterationen funktioniert die App nun vollständig. Alles ist in einer einzigen Datei enthalten, so wie ich es angefordert habe. Richtig. Und die Funktionalität funktioniert wie erwartet. Richtig. Der Grund, warum mich das wirklich beeindruckt, ist, dass es die SDK Versionen durchdenken und herausfinden kann, ob es Änderungen gegenüber dem SDK gibt, die Google Suche oder welcher Suchmechanismus auch immer verwendet wird, ist wirklich gut. Und dann verfügt es über diese sequenzielle To Laufruh Funktion innerhalb der Denkkette, was es extrem leistungsstark macht. Selbst bei diesem hat es nicht alles in einem Durchgang erledigt. Richtig. Hier ist beispielsweise das ursprüngliche Bild mit dieser Konfigurationsfunktion. Wenn ich jedoch die Fehlermeldung erneut eingebe, kann das Programm die Suche fortsetzen und diese Informationen zur Aktualisierung seiner Antworten verwenden. Stellen Sie sich nun vor, OpenAI würde dies in eine Coding IDE einbinden. Es gibt Spekulationen, dass OpenAI bei Vorträgen von Windsurf dabei sein wird und dass es ziemlich beeindruckend sein wird, all diese Coding oder Agentic Coding Funktionen der Modelle wie in etwas wie Windsurfen zu integrieren, insbesondere wenn OpenAI ein Produkt rund um diese Schlussfolgerungsmodelle entwickeln kann. Es gibt auch Codecs CLI von OpenAI, das eine Antwort auf Antropics Cloud Code zu sein scheint. Ich werde dazu ein Video erstellen, um zu sehen, wie gut es sich in der realen Softwareentwicklung bewährt. Wenn Sie sich dafür interessieren, sollten Sie den Kanal abonnieren. Es wird nun ein weiteres Video geben, das speziell die Schlussfolgerungsfunktionen testet. Dabei werden wir uns insbesondere den Datensatz zur fehlgeleiteten Aufmerksamkeit sowie einige der Schlussfolgerungsfunktionen für Bilder ansehen, die anscheinend ziemlich gut funktionieren. Wenn Sie sich also für diese Themen interessieren, sollten Sie den Kanal ebenfalls abonnieren. Kommen wir nun zu Benchmarks. Es gibt einige unabhängige Benchmarks, die nun auf den Markt kommen und die können sich im Vergleich zu Gemini 2.5 Pro recht gut schlagen, insbesondere bei den Benchmarks, die OpenAI hervorgehoben hat. Hier ist beispielsweise die letzte Prüfung in Geisteswissenschaften. Dies ist glaube ich nur die Textversion. Dies ist dann der Multi Challenge Benchmark Enigma Evolves. Richtig. Dies sind von der Community durchgeführte Benchmarks, aber wenn man sich das Verhältnis von Leistung zu Kosten ansieht, kann Gemini 2.5 Pro meiner Meinung nach im Vergleich zu O in puncto Kosten immer noch relativ besser mithalten. Dies war beispielsweise ein Blogbeitrag oder ein Reddit Beitrag. Eigentlich werde ich einen Link zum ursprünglichen Poster für Amy 2025 einfügen. Mini hat das beste Verhältnis von Leistung und Kosten. Gemini hinkt hinterher, aber bedenken Sie, dass wir nur den Bereich von 70 bis 100 betrachten. Richtig. Aber die Kosten von Gemini sind definitiv niedriger für GPQA, bei dem es sich um Fragen und Antworten auf Doktorandenniveau handeln soll. Gemini bietet eine bessere Leistung als Mini und das zu deutlich geringeren Kosten. Richtig. Das ist die HD Leistung. Das ist ein weiterer Benchmark für MMO. Richtig. Sie sehen also, dass eine relativ bessere Leistung aufweist, Gemini jedoch bei einigen dieser Benchmarks ein relativ ähnliches Leistungsniveau, erreicht jedoch zu deutlich geringeren Kosten. Wenn Sie sich jedoch den Code ansehen, ist Adaplot der neue Standard, wenn auch zu deutlich höheren Kosten. Abgesehen von den Kosten scheint es sich nach meinen eigenen Tests um ein wirklich gutes Codierungsmodell zu handeln. Ist es nun AGI. Es kommt nicht einmal an annähernd heran, oder? Denn es macht einige wirklich dumme Fehler, die man von einem wirklich guten Codierungsmodell nicht erwarten würde. Aber seine Fähigkeit, Tools in agentenbasierten.