حروب الذكاء الاصطناعي أصبحت أكثر إثارة الآن. نموذج جديد يدّعي العرش بأرقام مذهلة—تصنيف Elo يبلغ 1483 في وضع الاستدلال على لوحة المتصدرين النصية لـ LMArena. هذا بفارق 31 نقطة عن أقرب منافس غير مرتبط. وحتى بدون ميزات الاستدلال المتقدمة، حصل على المركز الثاني.

ما الذي يدفع هذا التقدم؟ يبدو أن النموذج يعيد كتابة معايير الأداء في جميع المجالات. سواء في التعامل مع سلاسل منطقية معقدة أو معالجة استفسارات دقيقة، فإن فارق الأداء يصعب تجاهله. لوحة المتصدرين لا تكذب—عندما تتفوق بهذا الهامش على اللاعبين الراسخين، فهذا يعني أن هناك شيئاً أساسياً قد تغير في البنية.

لكن هناك نقطة مهمة: التفوق في الاختبارات المحكمة لا يعني دائماً التفوق في العالم الحقيقي. لقد رأينا نماذج تتفوق في المعايير من قبل، لكنها تتعثر في الحالات الاستثنائية التي يهتم بها المستخدمون فعلياً. ومع ذلك، تظل هذه المعايير مهمة. فهي تشير إلى أين يتحرك سقف التقنية، وحالياً، التحرك سريع جداً.