İçeriğe geç

Konu

context management

1 özet

29 Temmuz 2026 İki ayar puanı üçe katladı: benchmark modeli mi harness'ı mı ölçüyor? OpenAI kendi modelinin bir benchmark'taki düşük puanına şaşırmış. GPT-5.6 Sol matematikte açık problemler çözüyor, Pokémon FireRed'i bitiriyor — ama 2B bulmaca oyunlarından oluşan… OpenAI Research