এন্থ্ৰপিকৰ S-1, LLM মূল্য ক্ৰমবদ্ধতা, vLLM সঁজুলি কল আৰু এক ছালৰ কেন্সাৰ CNN: Daily Diff ত চাৰিটা ডেভেলপাৰৰ কাহিনী

এই ভিডিঅ’টোত কি আছে

• এন্থ্ৰপিকৰ ফৰ্ম S-1 সেক ইডিজিএআৰ দ্বাৰা ২০২৬ চনৰ ২৬ অক্টোবৰত নিউয়ৰ্ক সময় অনুসৰি ০৯:০০ বজাত গ্ৰহণ কৰা হৈছিল। এইটো এক প্ৰাথমিক দাখিল: মূল্যৰ পৰিসৰ, শ্বেয়াৰ গণনা আৰু আটাইতকৈ নতুন সংখ্যাসমূহ খালী, আৰু কোম্পানীটোৱে এএনটি প্ৰতীকৰ অধীনত নাছডাক গ্লোবেল চিলিট মাৰ্কেটত Class A শ্বেয়াৰ তালিকাভুক্ত কৰিবলৈ আবেদন কৰিছে।
• S-1 ৰ সাৰাংশ তালিকাত ২০২৬ চনৰ প্ৰথম ছয় মাহৰ বাবে ১৬,২৮৬ নিযুত ডলাৰ ৰাজহ (২০২৫ চনৰ সকলো: ৪,৫৮৫ নিযুত ডলাৰ), গণনা আৰু আন্তঃগাঁথনিৰ খৰচ ৮,৯৪৫ নিযুত ডলাৰ, এক অপাৰেটিং লোকচান ৬৯৩ নিযুত ডলাৰ (অপাৰেটিং মাৰ্জিন -৪ শতাংশ), এক সামঞ্জস্যপূৰ্ণ (নন-জিএএপি) অপাৰেটিং আয় ১,৬১৮ নিযুত ডলাৰ, য’ত শ্বেয়াৰ-ভিত্তিক ক্ষতিপূৰণ ২,১৮৫ নিযুত ডলাৰ আৰু অন্যান্য বস্তু যোগ কৰা হৈছে, আৰু নেট লোকচান ৮০,৭৪৮ নিযুত ডলাৰ প্ৰতিবেদন কৰা হৈছে। লোকচানৰ ৭২,৩৮৮ নিযুত ডলাৰ হৈছে পৰিৱৰ্তনশীল নোট, ডেৰিভেটিভ দায়বদ্ধতা আৰু এছএএফইৰ ন্যায্য মূল্যৰ পৰিৱৰ্তন, যিটো দাখিলখনে কৈছে যে ইয়াৰ মূল কাৰণ কোম্পানীৰ উদ্যোগ মূল্যৰ বৃদ্ধি।
• S-1 ত ১.৫ বিলিয়ন ডলাৰৰ Bartz নিষ্পত্তি (২০২৬ চনৰ জুলাইত আদালতে অনুমোদন জনাইছিল), ২০২৬ চনৰ ৩০ জুনলৈকে নগদ ধন আৰু নগদ সমতুল্য ১১২.৪ বিলিয়ন ডলাৰ, আৰু Claude Enterprise ব্যৱহাৰকাৰীসকলে Claude Code নোহোৱাকৈ ২০২৬ চনৰ ৩০ ছেপ্টেম্বৰলৈকে তিনি মাহত গড়ে ৭৫ ডলাৰতকৈ কম খৰচ কৰিছিল, আনহাতে Claude Code ব্যৱহাৰ কৰা শীৰ্ষ ৫ শতাংশ Claude Enterprise ব্যৱহাৰকাৰীসকলে প্ৰায় ২০ গুণ বেছি খৰচ কৰিছিল বুলিও প্ৰতিবেদন কৰা হৈছে।
• OpenAI এ কৈছে যে GPT-5.6 Luna ২০২৬ চনৰ ৩০ জুলাইত ৮০ শতাংশ সস্তা হৈ পৰিছিল, আৰু GPT-6.1 Sol ক ২ ডলাৰ ইনপুট, ১০ ডলাৰ আউটপুট আৰু প্ৰতি নিযুত টোকেনত ০.১০ ডলাৰ কেচড ইনপুট হিচাপে তালিকাভুক্ত কৰিছে, যিটো GPT-6 Astra ৰ মানক ইনপুট আৰু আউটপুট মূল্যৰ এক-পঞ্চমাংশ। এন্থ্ৰপিকে কৈছে যে Opus 5.5 চলোৱাত Opus 5 তকৈ প্ৰায় ৪০ শতাংশ কম খৰচ হয়; ইয়াৰ S-1 ত কৈছে যে ছেপ্টেম্বৰৰ হ্ৰাস হোৱা মূল্য আৰু ভাল দক্ষতা দুয়োটাকে একত্ৰিত কৰিছে আনহাতে মাৰ্জিনসমূহ বজাই ৰাখিছে।
• Ubicloud (২০২৬ চনৰ ২০ অক্টোবৰ) এ vLLM 0.28 ত Kimi K2.6 ৰ বাবে ৯২ শতাংশ সঁজুলি-কল স্কিমা শুদ্ধতা জুখিছিল, যাৰ অৰ্থ হৈছে ২৫ টা সঁজুলি কলৰ ভিতৰত ২ টা বিফল হৈছিল, আৰু সীমিত ডিক'ডিং সক্ষম কৰাৰ পিছত (vLLM ৰ tool-strict-level ফ্লেগ, vLLM 0.31) Kimi আৰু DeepSeek মডেলত ১০০ শতাংশ হৈছিল; vLLM এ ইয়াক ডিফল্টভাৱে বন্ধ কৰি ৰাখে কিয়নো ব্যৱহাৰকাৰীসকলে কিছুমান মডেলৰ সৈতে সমস্যাৰ কথা জনাইছিল।
• ড° মেগনাছ লিঞ্চ (গাইছ হস্পিতাল, কিংছ কলেজ লণ্ডন; ২০২৬ চনৰ ২৫ অক্টোবৰ) এ ২০০ টা বায়োপ্সি-প্ৰমাণিত ক্ষতত GPT-6 Astra, Claude Fable 5.1 আৰু এক ফাইন-টিউনড Inception v3 CNN পৰীক্ষা কৰিছিল: CNN এ ১২৫ টাৰ বাবে সঠিক নিদান দিলে (৬২ শতাংশ), প্ৰতিটো চ্যাটবটে ৪২ শতাংশৰ বাবে সঠিক নিদান দিলে; CNN এ ৩০ টা মেলানোমাৰ ভিতৰত ১৩ টা প্ৰথম পচন্দ হিচাপে নাম দিলে আনহাতে চ্যাটবটে ৮ টা আৰু ১১ টা দিলে। তেওঁ নিজেই সাৱধানতাসমূহ তালিকাভুক্ত কৰিছে, য’ত সৰু সংখ্যা আৰু প্ৰতিটো চ্যাটবটৰ বাবে এক ৰান অন্তৰ্ভুক্ত; এইটো চিকিৎসা পৰামৰ্শ নহয়।

অনূদিত ট্ৰান্সক্ৰিপ্ট

মূল ইংৰাজী বৰ্ণনাৰ পৰা অনুবাদ কৰা হৈছে। উপলব্ধ অডিঅ’ আৰু কেপচন ইউটিউবে নিয়ন্ত্ৰণ কৰে।

আশী বিলিয়ন ডলাৰৰ লোকচান ক'ৰ পৰা আহে?

0:00 ছয় মাহত ষোল্ল বিলিয়ন ডলাৰৰ ৰাজহ শুনিলে কোম্পানীয়ে মুদ্ৰা ছপা কৰা যেন লাগে। এন্থ্ৰপিকৰ নিজৰ প্ৰ'ছপেক্টাসে একেই ছয় মাহৰ বাবে আঠ বিলিয়ন ডলাৰৰ নেট লোকচান তালিকাভুক্ত কৰিছে। সেই একেই ছয় মাহৰ বাবে। এই ভিডিঅ'ত চাৰিটা কাহিনী। এন্থ্ৰপিকৰ S-1 ৰ ভিতৰত কি আছে, আৰু সেই লোকচান ক'ৰ পৰা আহে? OpenAI আৰু এন্থ্ৰপিকে কিয় তেওঁলোকৰ মূল্য কমাইছিল? এটা চাৰ্ভাৰ ফ্লেগে কি খোলা মডেলবোৰ ঠিক কৰিব পাৰে? আৰু কেনেকৈ দহ বছৰীয়া এক ছবি মডেলে ছালৰ কেন্সাৰ চিনাক্তকৰণত নতুন চ্যাটবটবোৰক পৰাজিত কৰে?

0:28 ছালৰ কেন্সাৰ অধ্যয়নটো কাহিনী একৰ কোম্পানীৰ এটা সঁজুলিৰ সৈতে তৈয়াৰ কৰা হৈছিল। মই শেষত সেইটোলৈ ঘূৰি আহিম। আজি সোমবাৰ, ২৬ অক্টোবৰ, আৰু এইটো The Daily Diff। এক প্ৰ'ছপেক্টাস হৈছে সেই নথি যিটো কোম্পানীয়ে ৰাজহুৱাভাৱে শ্বেয়াৰ বিক্ৰী কৰাৰ আগতে দাখিল কৰে। ইয়াক এক সম্পূৰ্ণ ব্যৱসায়ৰ বাবে ৰিলিজ নোট হিচাপে ভাবিব পাৰি, য’ত প্ৰতিটো শাৰীত এজন অধিবক্তাৰ আঙুলিৰ চাপ থাকে। Claude তৈয়াৰ কৰা কোম্পানী এন্থ্ৰপিকে আজি ইয়াৰ প্ৰথমখন দাখিল কৰিছে।

এন্থ্ৰপিকে কি দাখিল কৰিছিল, আৰু কি খালী আছে?

0:51 কাহিনী এক। সোমবাৰে পুৱা ন বজাৰ ঠিক পিছতে, নিউয়ৰ্ক সময় অনুসৰি, এন্থ্ৰপিকে এছ ই চিত ফৰ্ম S-1 দাখিল কৰিলে। ই নাছডাকৰ প্ৰতীক এ এন টি বুলি নাম দিছে। এইটো এক প্ৰাথমিক দাখিল, গতিকে শ্বেয়াৰ মূল্য, শ্বেয়াৰ গণনা আৰু আটাইতকৈ নতুন ত্ৰৈমাসিকৰ ৰাজহ এতিয়াও খালী আছে। ২০২৩ চনত ৰাজহ আছিল প্ৰায় ৪১ নিযুত ডলাৰ আৰু ২০২৫ চনত প্ৰায় ৪.৬ বিলিয়ন ডলাৰ। ২০২৫ চনত প্ৰায় ৪.৬ বিলিয়ন ডলাৰ। কেৱল এই বছৰৰ প্ৰথম ছয় মাহত ই আছিল ষোল্ল বিলিয়ন।

1:19 তাৰ পিছত লোকচান। সেই ছয় মাহৰ বাবে অপাৰেটিং লোকচান আছিল প্ৰায় সাতশ নিযুত ডলাৰ, ৰাজহৰ চাৰি শতাংশ। নেট লোকচান আছিল আশী বিলিয়ন, আৰু তাৰ ৭২ বিলিয়ন হৈছে এটা লাইন, পৰিৱৰ্তনশীল নোটৰ ন্যায্য মূল্যৰ পৰিৱৰ্তন। সহজ ভাষাত, কোম্পানীটোৰ মূল্য যিমানেই বাঢ়ে, সিমানেই ইয়াৰ ওপৰত থকা নোটবোৰৰ মূল্যও বাঢ়ে, আৰু একাউণ্টবোৰে ইয়াক লোকচান হিচাপে লিপিবদ্ধ কৰে। দাখিলখনে ১.৬ বিলিয়ন ডলাৰৰ এক সামঞ্জস্যপূৰ্ণ অপাৰেটিং লাভৰো প্ৰতিবেদন দিছে,

1:44 য'ত শ্বেয়াৰ বেতন আৰু আন কেইটামান বস্তু যোগ কৰা হৈছে। একে দাখিলখনেই কপিৰাইট বিল দেখুৱায়। ২০২৫ চনৰ ছেপ্টেম্বৰত এন্থ্ৰপিকে Bartz লেখকসকলৰ ক্লাছ একচন ১.৫ বিলিয়ন ডলাৰত নিষ্পত্তি কৰিবলৈ সন্মত হৈছিল, যাৰ ব্যয় তালিকাত ইয়াৰ নিজা এক লাইন আছে। সেই নিষ্পত্তি এক মাহ আগতে আমাৰ OpenAI পাইৰেটেড কিতাপৰ কাহিনীত আহিছিল। এইটো ডেভেলপাৰসকলৰ বাবে অংশ। ছেপ্টেম্বৰৰ শেষলৈকে তিনি মাহৰ বাবে দাখিলখনে কৈছে যে Claude Enterprise

2:08 ব্যৱহাৰকাৰীসকলে যিসকলে Claude Code ব্যৱহাৰ কৰা নাছিল, তেওঁলোকে গড়ে প্ৰতি মাহে পঁচাত্তৰ ডলাৰতকৈ কম খৰচ কৰিছিল। শীৰ্ষ পাঁচ শতাংশই যিসকলে ইয়াক ব্যৱহাৰ কৰিছিল, তেওঁলোকে প্ৰায় বিশ গুণ বেছি খৰচ কৰিছিল। মালিকানা অস্বাভাৱিক। এটা ট্ৰাষ্টে ইয়াৰ নিজা শ্ৰেণীৰ শ্বেয়াৰৰ জৰিয়তে ব'ৰ্ডৰ সংখ্যাগৰিষ্ঠ সদস্য নিৰ্বাচিত কৰে, আৰু প্ৰতিষ্ঠাপকসকলৰ মালিকানাধীন এটা কোম্পানীয়ে পঞ্চাশ পইণ্ট এক শতাংশ ভোটৰ মূল্যৰ এক বিশেষ শ্বেয়াৰ ৰাখিছে।

OpenAI আৰু এন্থ্ৰপিকে কিয় তেওঁলোকৰ মূল্য কমাইছিল?

2:28 কাহিনী দুই। মেক্স উল্ফে, যি minimaxir হিচাপে ব্লগ লিখে, জুন মাহৰ পৰা OpenAI আৰু Anthropic ৰ প্ৰতিটো মূল্যৰ পৰিৱৰ্তন শাৰীবদ্ধ কৰিলে, আৰু পোষ্টটোৱে হেকাৰ নিউজত তিনশ আঠাশী পইণ্ট পালে। পৰিৱৰ্তন শাৰীবদ্ধ কৰিলে, আৰু পোষ্টটোৱে হেকাৰ নিউজত তিনশ আঠাশী পইণ্ট পালে। OpenAI ৰ নিজা পোষ্টত কোৱা হৈছে যে ৩০ জুলাইত GPT 5.6 Luna আশী শতাংশ সস্তা হৈ পৰিছিল। ২৯ ছেপ্টেম্বৰলৈকে, OpenAI এ GPT 6.1 Sol ক প্ৰতি নিযুত টোকেনত ২ ডলাৰ ইন আৰু ১০ ডলাৰ আউট হিচাপে তালিকাভুক্ত কৰিছিল, যিটো ইয়াৰ শীৰ্ষ মডেল Astra ৰ মূল্যৰ এক পঞ্চমাংশ।

2:57 এন্থ্ৰপিকে কৈছে যে Opus 5.5 চলোৱাত Opus 5 তকৈ প্ৰায় চল্লিশ শতাংশ কম খৰচ হয়, যিটো মূল্য যুদ্ধ আমি ছেপ্টেম্বৰত সামৰি লৈছিলো। Opus 5 তকৈ প্ৰায় চল্লিশ শতাংশ কম খৰচ হয়, যিটো মূল্য যুদ্ধ আমি ছেপ্টেম্বৰত সামৰি লৈছিলো। উল্ফৰ নিজা প্ৰতিক্ৰিয়া আছিল নিম্নমানলৈ নামি অহা। তেওঁ তেওঁৰ Codex পৰিকল্পনা ব্যৱহাৰ সীমাৰ এক পঞ্চমাংশলৈ কমাই দিলে, কিয়নো একে মডেল এতিয়া চাৰি গুণ অধিক দূৰলৈ বিস্তৃত হৈছিল। তেওঁ লগতে উল্লেখ কৰিছে যে ক'ডিং এজেণ্টত, কেচ ৰিডসমূহ বেছিভাগ টোকেন বিল। এন্থ্ৰপিকৰ দাখিলখনে ইয়াৰ নিজা বিৱৰণ দিছে। ই কৈছে যে ছেপ্টেম্বৰৰ ক্ৰমবদ্ধতা কম মূল্য আৰু উন্নত দক্ষতা দুয়োটাকে একত্ৰিত কৰিছিল,

3:23 আৰু সেই গণনাৰ দক্ষতাই ইয়াৰ মাৰ্জিন বজাই ৰাখিবলৈ দিছিল। কম মূল্যৰ Opus 4.5 ৰ পিছত, ই কৈছে, ত্ৰৈমাসিক ৰাজহ বৃদ্ধি আঠত্ৰিশ শতাংশৰ পৰা একশ বত্ৰিশ শতাংশলৈ গৈছিল, আন আন কাৰকবোৰেও সহায় কৰিছিল। উল্ফৰ ব্যাখ্যা হৈছে খোলা ওজনৰ মডেল। Kimi K 3.1 Pro, ২৩ অক্টোবৰত মুকলি কৰা হৈছিল, GPT 6.1 Sol ৰ দৰে একে ২ ডলাৰ আৰু ১০ ডলাৰত তালিকাভুক্ত কৰা হৈছে। সেয়েহে আপোনাৰ ব্যয় অনুমানসমূহ আজিৰ মূল্য পৃষ্ঠাবোৰৰ বিৰুদ্ধে পুনৰ চলাই চাওঁক।

3:49 এজেণ্টৰ কামত কেচড ইনপুট লাইন আটাইতকৈ গুৰুত্বপূৰ্ণ, আৰু OpenAI এ Sol ৰ বাবে সেইটোক আধা কৰিলে। আধা কৰিলে। কাহিনী তিনি। Ubicloud, এক ক্লাউড কোম্পানীয়ে, খোলা মডেলত সঁজুলি কলৰ বাবে এক ফিক্স প্ৰকাশ কৰিলে।

এটা চাৰ্ভাৰ ফ্লেগে কি খোলা মডেলবোৰ ঠিক কৰিব পাৰে?

4:00 vLLM 0.28 ত Kimi K 2.6 সেৱা আগবঢ়াওঁতে, কেৱল ৯২ শতাংশ সঁজুলি কলেই সঁজুলিৰ স্কিমাৰ সৈতে মিল খাইছিল, যাৰ অৰ্থ হৈছে প্ৰতি পঁচিশটাৰ ভিতৰত দুটা বিফল হৈছিল। ফিক্সটো হৈছে সীমিত ডিক'ডিং। চাৰ্ভাৰে মডেলে এনে কোনো টোকেন বাছনি কৰাত বাধা দিয়ে যি সঁজুলিৰ JSON স্কিমা ভাঙিব। vLLM 0.31 ত ইয়াক tool strict level বুলি কোৱা হয়, আৰু Ubicloud এ Kimi আৰু DeepSeek ত ১০০ শতাংশ জুখিছিল। JSON স্কিমা ভাঙিব। vLLM 0.31 ত ইয়াক tool strict level বুলি কোৱা হয়, আৰু Ubicloud এ Kimi আৰু DeepSeek ত ১০০ শতাংশ জুখিছিল। vLLM এ ইয়াক ডিফল্টভাৱে বন্ধ কৰি ৰাখে কিয়নো ব্যৱহাৰকাৰীসকলে GLM 5.1 ৰ দৰে কিছুমান মডেলৰ সৈতে সমস্যাৰ কথা জনাইছিল।

4:33 vLLM এ ইয়াক ডিফল্টভাৱে বন্ধ কৰি ৰাখে কিয়নো ব্যৱহাৰকাৰীসকলে GLM 5.1 ৰ দৰে কিছুমান মডেলৰ সৈতে সমস্যাৰ কথা জনাইছিল। Ubicloud ৰ কথাটো হৈছে যে ইঞ্জিন আৰু ইয়াৰ ছেটিংসে আপুনি দেখা গুণগত মান সলনি কৰে।

এটা পুৰণি মডেলে কেনেকৈ নতুন চ্যাটবটবোৰক পৰাজিত কৰে?

4:39 কাহিনী চাৰি। লণ্ডনৰ গাইছ হস্পিতালত কাম কৰা ছালৰ বিশেষজ্ঞ মেগনাছ লিঞ্চে, GPT 6 Astra আৰু Claude Fable 5.1 ক দুশ বায়োপ্সি কৰা ছালৰ ক্ষতৰ ওপৰত পৰীক্ষা কৰিলে, প্ৰতিটো ক্লোজ আপ আৰু এক ডাৰ্মোস্কপি ছবি হিচাপে। তেওঁ Inception v3, যিটো Google এ ২০১৫ চনত প্ৰকাশ কৰিছিল, তাক প্ৰায় বিশ মিনিট ধৰি এক GPU ত ফাইন টিউন কৰিলে। ই ৬২ শতাংশ ক্ষতত সঠিক আছিল। প্ৰতিটো চ্যাটবট ৪২ শতাংশত সঠিক আছিল। চ্যাটবটবোৰৰ প্ৰিয় আছিল।

5:08 GPT 6 Astra এ পঁচাত্তৰটা ক্ষতক বেছাল চেল কাৰ্চিনোমা বুলি ক'লে যেতিয়া পঁচিশটা আছিল। মেলানোমাত, যিটো আটাইতকৈ গুৰুত্বপূৰ্ণ, সৰু নেটৱৰ্কটোৱে ৩০ টাৰ ভিতৰত তেৰটা প্ৰথমে নাম দিলে, আঠ আৰু এঘাৰৰ বিপৰীতে। লিঞ্চে নিজেই সাৱধানতাসমূহ তালিকাভুক্ত কৰিছে। দুশ কেছ সৰু, প্ৰতিটো চ্যাটবট এবাৰ চলিছিল, আৰু নেটৱৰ্কটো এটা বেছলাইন যিটো নিয়ন্ত্ৰিত উৎপাদনে পৰাজিত কৰে। ই WebGPU ৰ জৰিয়তে ফোন ব্ৰাউজাৰত চলে আৰু একো আপলোড নহয়। ইয়াত একো চিকিৎসা পৰামৰ্শ নহয়।

5:37 আৰু আৰম্ভণিৰ পৰা থ্ৰেড। লিঞ্চে লিখিছে যে বিশ্লেষণ আৰু প্ৰথম খচৰাবোৰ Claude Code, এন্থ্ৰপিকৰ ক'ডিং সঁজুলিৰ সৈতে উৎপাদন কৰা হৈছিল, আৰু তেওঁ পৰীক্ষা কৰা দুটা চ্যাটবটৰ ভিতৰত এটা এন্থ্ৰপিকৰো। যদি আপুনি মোৰ কথা শুনাৰ পৰিৱৰ্তে এইটো পঢ়িব বিচাৰে, প্ৰতিদিনে পুৱা আপোনাৰ ইনবক্সত ডাইলি ডিফ আহে, daily diff dot dev ত বিনামূলীয়া, তলত লিংক। সেয়েহে আজিৰ সিদ্ধান্ত হৈছে NEEDS REVIEW।

কোনটো বস্তুৱে NEEDS REVIEW ষ্টাম্প পায়?

5:56 মই ইয়াক পৰ্যালোচনা কৰিম কিয়নো এন্থ্ৰপিকৰ দাখিলত কাগজত লোকচান আছে, এক সামঞ্জস্যপূৰ্ণ জোখত লাভ আৰু বহুতো খালী ঠাই, মূল্যৰ কাহিনীটো আংশিকভাৱে এজন ব্লগ লেখকৰ পঢ়াৰ ওপৰত নিৰ্ভৰ কৰে, আৰু ছালৰ কেন্সাৰ পৰীক্ষাটো দুশ কেছ এবাকৈ চলোৱা। আৰু এইটো আজিৰ বাবে ডিফ। মই Axrisi ৰ পৰা নিকো। দায়িত্বশীলভাৱে একত্ৰিত কৰক।

উৎসসমূহ

1. Anthropic, PBC Form S-1 (registration statement)U.S. Securities and Exchange Commission (EDGAR)
2. EDGAR filing index for accession 0001628280-26-067168U.S. Securities and Exchange Commission (EDGAR)
3. OpenAI and Anthropic cut their LLM prices by up to 80% within a few months. Why?Max Woolf (minimaxir.com)
4. Advancing the price-performance frontier with GPT-5.6OpenAI
5. Introducing GPT-6.1 SolOpenAI
6. Claude Opus 5.5Anthropic
7. Fixing Tool-Call Accuracy in vLLMUbicloud
8. A 10-year-old CNN outperforms frontier LLMs for skin cancer diagnosisDr Magnus Lynch (lynchlab.net)
9. Kimi K3.1 ProOpenRouter