#computer-use

Claude Sonnet 5 porazil vlastní Opus 4.6 na SWE-bench. Cena zůstala stejná.

Anthropic vydal Claude Sonnet 5 s 92,4 procenty na SWE-bench Verified, 88,3 procenty na computer use a 2M token kontextem. Výkon přeskočil celou Opus generaci při zachované Sonnet ceně tři dolary za milion tokenů.

5. dubna 2026 · 3 min čtení

Nástroje

GPT-5.4 jako první AI překonal lidský baseline v ovládání počítače. Claude Opus 4.6 těsně za ním

Na benchmarku OSWorld-Verified dosáhl GPT-5.4 výsledku 75,0 % a poprvé v historii překonal průměrný lidský výkon (72,4 %). Claude Opus 4.6 skončil na 72,7 %. Přehled toho, co čísla říkají a co ještě neříkají.

31. března 2026 · 3 min čtení

LLM

GPT-5.4: První obecný model s nativním ovládáním počítače překonává člověka

OpenAI vydal GPT-5.4 s kontextovým oknem 1 milion tokenů a nativním computer use. Na OSWorld benchmarku dosáhl 75 %, poprvé více než lidský výkon (72,4 %).

28. března 2026 · 3 min čtení