Cztery. Badania i agenci: wynik dźwiga dziś projekt systemu, nie same wagi
Ciekawym, choć nieoczywistym faktem jest wynik, który pokazuje, że o zdolnościach decyduje dziś nie tylko model, ale sposób, w jaki się go opakowuje. Według preprintu omówionego przez AlphaSignal, system o nazwie VISTA, czyli lekka struktura wokół modelu Claude Opus 5.0, osiągnął doskonały wynik stu punktów RHAE na wszystkich dwudziestu pięciu publicznych grach benchmarku ARC-AGI-3, zużywając przy tym o około pięćdziesiąt siedem procent mniej akcji niż grający pierwszy raz człowiek. Mechanizm jest prosty w opisie i istotny w konsekwencjach: zamiast zamieniać obraz na tekst, system podaje modelowi surowe zrzuty ekranu, przechowuje wszystkie wcześniejsze klatki w pełnej rozdzielczości jako pamięć, do której model może wrócić na żądanie, i pozwala mu prowadzić edytowalne notatki w dwóch plikach roboczych. Ten sam zestaw testów powtórzono z modelem GPT-5.6 i z otwartym modelem z rodziny GLM. Wniosek dla budujących agentów jest praktyczny i nie wymaga wiary w żadną z opowieści o przełomie: przy niezmienionych wagach modelu sam format obserwacji, sposób sięgania do pamięci i projekt przestrzeni roboczej potrafią przesądzić o wyniku. Trzeba przy tym zaznaczyć, że to wynik z preprintu i z materiału zbiorczego, a nie z recenzowanej publikacji, więc należy go traktować jako silny sygnał, a nie jako ustalony fakt.
Źródło: alphasignal