Anthropic: కోడింగ్ లో దుమ్ము రేపిన అంత్రోపిక్ నూతన AI.. జెమినీ 3 ప్రోపై ఆధిపత్యం
ఈ వార్తాకథనం ఏంటి
ఆంత్రోపిక్ తన తాజా ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మోడల్ Claude Opus 4.5 ను విడుదల చేసింది. గూగుల్ Gemini 3 Pro,OpenAI GPT-5.1 లాంటి ఇండస్ట్రీ లీడర్లను కోడియింగ్ పనుల్లో ఈ కొత్త మోడల్ మించి పనిచేస్తుందని కంపెనీ చెబుతోంది. ఇంజినీరింగ్ ఉద్యోగాల కోసం నిర్వహించే కఠినమైన పరీక్షలో కూడా, ఈ మోడల్ మానవ పరీక్షార్థులన్నింటికంటే ఎక్కువ స్కోరు సాధించింది. ముఖ్యంగా, ప్రఖ్యాత కోడింగ్ బెంచ్‌మార్క్ అయిన SWE-Bench verified లో 80% కంటే ఎక్కువ స్కోర్ చేసిన మొదటి మోడల్‌గా Opus 4.5 నిలిచింది.
వివరాలు
విజన్, రీజనింగ్, మ్యాథ్స్‌లో కూడా టాప్ పనితీరు
ముందు అంత్రోపిక్ మోడళ్లతో పోలిస్తే విజన్, రీజనింగ్, మ్యాథ్స్ వంటి విభాగాల్లో కూడా Opus 4.5 పనితీరు మరింత మెరుగైంది. ఏజెంటిక్ టూల్ యూజ్, కంప్యూటర్ యూజ్ వంటి పనుల్లో కూడా ఇది స్టేట్-ఆఫ్-ది-ఆర్ట్ రిజల్ట్స్ సాధించింది. ఒక పరీక్షలో, కస్టమర్ యొక్క బేసిక్ ఎకానమీ ఫ్లైట్ మార్చే రిక్వెస్ట్‌ను హ్యాండిల్ చేసే ఆటోమేటెడ్ ఎయిర్‌లైన్ ఏజెంట్‌గా వ్యవహరించాల్సి వచ్చినప్పుడు, పాలసీలో ఉన్న ఖాళీని గుర్తించి సమస్యను సృజనాత్మకంగా పరిష్కరించింది.
వివరాలు
'ఎండ్లెస్ చాట్'—కొత్త ప్రత్యేక ఫీచర్
చెల్లింపు ప్లాన్ వాడుతున్న Claude యూజర్ల కోసం అంత్రోపిక్ 'ఎండ్లెస్ చాట్' ఫీచర్‌ను కూడా విడుదల చేసింది. మోడల్ కాంటెక్స్ట్ లిమిట్‌కి చేరినా, యూజర్‌కు ఏ మెసేజ్ ఇవ్వకుండా ఆటోమేటిక్‌గా కాంటెక్స్ట్‌ను కంప్రెస్ చేస్తూ సంభాషణను ఆపకుండా కొనసాగిస్తుంది. ముఖ్యంగా, Opus ప్రధాన ఏజెంట్‌గా ఉండి, Haiku ఆధారిత సబ్‌ఏజెంట్ల టీమ్‌ను నడిపే ఏజెంటిక్ యూజ్ కేస్‌లను దృష్టిలో పెట్టుకుని ఈ అప్‌డేట్స్ చేశారు.
వివరాలు
Chrome, Excel కోసం Claude ఇప్పుడు మరింత మందికి
Opus 4.5 తో పాటు, అంత్రోపిక్ Claude for Chrome, Claude for Excel టూల్స్‌ను మరింత యూజర్లకు అందుబాటులోకి తెచ్చింది. Chrome ఎక్స్టెన్షన్‌ను ఇప్పుడు Max యూజర్లంతా వాడవచ్చు. Excel-కోసం ప్రత్యేకంగా రూపొందించిన మోడల్‌ను Max, Team, Enterprise యూజర్లకు అందిస్తున్నారు. అయితే, Opus 4.5 కు OpenAI GPT-5.1, Google Gemini 3 వంటి కొత్త ఫ్రంట్ియర్ మోడళ్ల నుంచి కఠినమైన పోటీ ఎదురుకానుంది.