GPT-5.6 Sol Ultra проиграла GPT-5.5 в тестах на физику
Тестирование моделей GPT-5.6 Sol Ultra и GPT-5.5 показало, что новая модель проиграла в симуляции физики, несмотря на более высокую цену. Результаты свидетельствуют о том, что предыдущая версия остается более эффективной в выполнении задач.
GPT-5.6 Sol Ultra проиграла GPT-5.5 в тестах на физику
Тестеры дали четырем моделям один и тот же промпт: создать три автономные сцены на HTML5 Canvas с реалистичной симуляцией физики.
Промпты:
- Монстр-трак делает сальто назад и приземляется на припаркованный автомобиль.
- Каскадерский автомобиль перепрыгивает шесть автобусов и врезается в кирпичную стену.
- Поезд сходит с рельсов на разрушенном мосту и падает в воду.
Результаты:
- GPT-5.6 Sol Ultra: 32,9 тыс. токенов, $0,33
- Opus 4.8: 9,2 тыс. токенов, $0,24
- GPT-5.5: 12,4 тыс. токенов, $0,11
- Grok 4.5: 7,0 тыс. токенов, $0,08
Sol Ultra рисует практически так же, как GPT-5.5, только с большей детализацией. Особенно это заметно в сцене с прыжком через автобусы, где результаты двух моделей выглядят почти одинаково. В остальных тестах Sol Ultra показала себя хуже своего предшественника, а качество симуляции физики заметно снизилось. На их взгляд, GPT-5.5 уверенно выигрывает в сценах с сальто монстр-трака и крушением поезда.
Пришли к выводу, что Sol Ultra — это GPT-5.5 с более слабой физикой, но более красивой картинкой, при этом в три раза дороже. 🤣
Недавно вышедшая Grok 4.5 провалила два из трех тестов и достойно справилась только со сценой с поездом.
Почему это важно
АналитикаЭто важно, поскольку сравнение моделей AI помогает понять их сильные и слабые стороны, что влияет на выбор технологий для разработки. Результаты тестирования могут повлиять на решения компаний относительно внедрения новых решений в свои проекты.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
JSON — структурированные данные для программ, API и AI-агентов
Полное практическое руководство по формату JSON: синтаксические правила, сериализация через parse/stringify, работа с REST API, валидация по JSON Schema и структурированный вывод для ИИ.
Форматы DOCX и XLSX: когда от ИИ требуется полноценный финальный документ
Практическое руководство по созданию и обработке документов DOCX и таблиц XLSX с помощью ИИ: сравнение с Markdown и CSV, промпт-инжиниринг, работа с формулами и автоматизация в коде.
Binance опубликовали расследование кражи $6,3 млрд
Расследование связывает кражу с заражённым Homebrew, фальшивым собеседованием и использованием внутреннего ИИ-инструмента Binance.
Пользователь Reddit объяснил почти четырёхкратный расход недельных лимитов Claude Code
Сравнение токенов за две недели показало, что эффективность использования недельного лимита Claude Code упала в 3,8 раза; вероятные причины — субагенты, рост времени рассуждений и фоновые запросы интерфейса.