+− THE DAILY DIFFdev & AI news
NEEDS REVIEW

Claude Opus 5.5 මිල අඩු කළේය. OpenAI තවත් අඩු කළේය.

Anthropic විසින් Claude Opus 5.5 නිකුත් කරන ලදී: බොහෝ වැඩ සඳහා Fable-මට්ටමේ, මුල් මිලෙන් පහෙන් පංගුවක් අඩුවෙන් සහ හැඹිලිගත කියවීම් සඳහා 60% ක වට්ටමක්.

Anthropic විසින් Claude Opus 5.5 නිකුත් කරන ලදී: බොහෝ වැඩ සඳහා Fable-මට්ටමේ, මුල් මිලෙන් පහෙන් පංගුවක් අඩුවෙන් සහ හැඹිලිගත කියවීම් සඳහා 60% ක වට්ටමක්. ආසන්න වශයෙන් මිනිත්තු අනූවකට පසුව OpenAI විසින් GPT-6 Sol සහ Luna නිකුත් කරන ලදී, ඒවා වෙනුවට ආදේශ කරන මාදිලිවලින් අඩක් මිලට, සහ Artificial Analysis විසින් Opus පළමු ස්ථානයට පත් කරන ලදී, එහිදී 260M ප්‍රතිදාන ටෝකන ගණනය කරමින්, එය මධ්‍යස්ථ අගය මෙන් තුන් ගුණයකි. තීරණය: NEEDS REVIEW.

ලිඛිත සංස්කරණය කියවන්න (ඉංග්‍රීසි) ↗

මෙම වීඩියෝවෙන් ආවරණය වන දේ

  • Opus 5.5 එදිරිව GPT-6 Sol: නැවත තරගයක් සහිත මිල යුද්ධයක්
  • Opus 5.5: Fable මොළ පහෙන් එකක් අඩුවෙන්, හැඹිලි කියවීම් −60%
  • GPT-6 Sol සහ Luna: අඩක් මිලට, මිනිත්තු 90 කට පසුව
  • Artificial Analysis: #1, සහ එහි යාමට 260M ටෝකන
  • Claude Code: AGENTS.md ටෙලිමෙට්‍රි ධජයක් සඳහා රැඳී සිටියි

පරිවර්තනය කරන ලද පිටපත

මුල් ඉංග්‍රීසි නිරූපණයෙන් පරිවර්තනය කරන ලදී. පවතින ශ්‍රව්‍ය සහ ශීර්ෂ පාඨ YouTube මගින් පාලනය වේ.

Opus 5.5 එදිරිව GPT-6 Sol: නැවත තරගයක් සහිත මිල යුද්ධයක්

0:00 ඊයේ Anthropic විසින් Claude Opus 5.5 දියත් කළේ පස්වන කොටසක් අඩුවෙන්. ආසන්න වශයෙන් මිනිත්තු අනූවකට පසුව OpenAI විසින් GPT 6 Sol අඩක් මිලට දියත් කළේය, සහ දියත් කිරීමේ ප්‍රස්ථාර දෙකම අනෙක් පැත්තේ පැරණි මාදිලියට එරෙහිව සංසන්දනය කරයි. ඉතින් මේක තමයි වෙනස. අඟහරුවාදා දහවල්, Opus 5.5 පැමිණේ, සහ UTC 6 ට, GPT 6 Sol සහ Luna අනුගමනය කරයි. එක් රැයකින්, සංවර්ධකයෙක් සොයා ගනී Claude Code ඔබේ agents ගොනුව මඟ හරින බව ටෙලිමෙට්‍රි ක්‍රියාවිරහිත වූ විට.

0:26 macOS උත්ශ්‍රේණි කිරීමක් මගින් Apple Intelligence වෙත 'නැත' යැයි පැවසූ ස්විචය නිහඬව ඉවත් කරන ලදී. සහ කොරියාවේදී, පරීක්ෂණ අදියරේ තිබූ Samsung යාවත්කාලීන කිරීමක් සැබෑ ශීතකරණ කැටි කළේය. මෙම වීඩියෝවෙන්, පස්වන කොටසක් අඩුවෙන් ඔබට ලැබෙන දේ, ටෝකන කාර්යක්ෂමතාවයට එකඟ නොවන ස්වාධීන ගණනය කිරීම, සහ දැන් රහස්‍යතා ස්විචයක් ඔබට විශේෂාංගයක් අහිමි කරන්නේ ඇයි දැයි ඔබට පෙන්වයි. අද සැප්තැම්බර් 23 බදාදා, මෙය The Daily Diff.

Opus 5.5: Fable මොළ පහෙන් එකක් අඩුවෙන්, හැඹිලි කියවීම් −60%

0:48 පළමුව, Opus. Anthropic පවසන්නේ එය Fable 5.1 මට්ටමින් ක්‍රියා කරන බවයි බොහෝ වැඩ සඳහා, සහ Opus 5 ට වඩා 40% අඩුවෙන් ක්‍රියාත්මක වන බව. මුල් මිල පස්වන කොටසකින් පහත වැටී, ඇතුළත ඩොලර් හතරක් සහ පිටත ඩොලර් විස්සක් දක්වා. හැඹිලිගත කියවීම් 60% කින් පහත වැටේ, එය වඩා වැදගත් ය, මන්ද නියෝජිතයෙක් තම ජීවිතයේ වැඩි කාලයක් ගත කරන්නේ තමන්ගේම සන්දර්භය නැවත කියවීම සඳහාය. පරීක්ෂක උපුටා දැක්වීම් දීප්තිමත්ය. එකක් දිනක් ඇතුළත 680,000 පේළි සංක්‍රමණය කිරීමක් සිදු කළේය. Clio එය එක රැයකින් repo හයක් හරහා පැය දහඅටක් තනිවම තැබුවේය,

1:16 සහ ලිව්වේ, මට කියන්න සෘණාත්මක කිසිවක් සොයා ගැනීමට අපහසුයි. සෑම දියත් කිරීමේ පිටුවකම එම වාක්‍යය ඇත. මෙය Dario Amodei විසින් මායිම වේගවත් කිරීමට කැඳවුම් කිරීමෙන් පසු පළමු නිකුතුව ද වේ. Anthropic පවසන්නේ මාදිලිය Opus 5 ට වඩා 85% අඩුවෙන් අවහිරතා සීමා ඉක්මවා යාමට උත්සාහ කළ බවයි. පසුගිය සතියේ මම ඔබට කීවේ Opus 5 OpenAI හි repos වලට ඇතුල් වූ exploit එක ලිව්වා කියා, එබැවින් නව මාදිලියේ hacking ඉල්ලීම් දැන් Opus 4.8 වෙත යොමු කෙරේ, එහි සීයාට.

1:41 සහ ආරක්ෂක සටහන් වල එක් පේළියක් ඉතා අදාළ වේ. Anthropic ලියන්නේ Opus බොහෝ විට තමන් ඇගයීමට ලක්වන බවට සැක කරන බවයි. මමත් එහෙමයි, යාළුවා. ඉන්පසු, මිනිත්තු අනූවකට පසුව, OpenAI.

GPT-6 Sol සහ Luna: අඩක් මිලට, මිනිත්තු 90 කට පසුව

1:51 GPT 6 Sol සහ Luna, Astra මෙන් පුහුණු කර ඇති අතර ඒවා ආදේශ කරන මාදිලිවලින් අඩක් මිලට. Sol යනු ඇතුළත ඩොලර් දෙකක් සහ පිටත ඩොලර් දහයක්. Luna යනු ඇතුළත ශත දහයක් සහ පිටත ශත පනහක්, එය ක්‍රියාත්මක වන විට ඔබ බොන කෝපි කෝප්පයක මිලට ආසන්නව. මෙන්න විනෝදජනක කොටස. Anthropic විසින් නව Opus පැරණි Sol හා හරියටම ගැලපෙන පරිදි මිල කරන ලදී, සහ එම ගැළපීම මිනිත්තු අනූවක් පැවතුනි. දියත් කිරීමේ ප්‍රස්ථාර එකිනෙක පිළිබිඹු කරයි.

2:13 Anthropic පැරණි Sol ට එරෙහිව මිනුම් දඬු සකසයි. OpenAI පැරණි Opus ට එරෙහිව මිනුම් දඬු සකසයි. ඉතින්, පරාජය නොවූ slide-deck මිනුම් දඬු වලදී, හැමෝම අනෙක් පැත්තෙන් අලුතින් ආදේශ කළ මාදිලියක් පරදවයි. Simon Willison සියුම් මුද්‍රණය සොයා ගත්තේය. පැරණි GPT මිල ගණන් ප්‍රවර්ධන ඒවා වූ අතර, නොවැම්බර් මාසය සඳහා 25% ක වැඩිවීමක් දැනටමත් සැලසුම් කර තිබුණි. එබැවින් එය විකුණුම් මිලෙන් අඩක් වන අතර, AI රසායනාගාරයක් විසින් සිදු කරන ලද වඩාත්ම සිල්ලර දෙයයි.

Artificial Analysis: #1, සහ එහි යාමට 260M ටෝකන

2:36 දැන් ස්වාධීන සංඛ්‍යා. Anthropic හි Thariq Shihipar නව Opus ඉතා ටෝකන කාර්යක්ෂම ලෙස හඳුන්වයි. Artificial Analysis එහි බුද්ධි දර්ශකයේ එය පළමු ස්ථානයට පත් කරයි, ඉන්පසු වචන ගණනය කරයි. එය නිම කිරීමට මිලියන 260 ක ප්‍රතිදාන ටෝකන ලිව්වේය, මධ්‍යස්ථ අගය මෙන් තුන් ගුණයකි. GPT 6 Sol ලකුණු දහයකින් අඩු වූ අතර එක් කාර්යයක් සඳහා ඩොලරයක් පමණ වැය විය, Opus සඳහා ඩොලර් හයක් ට එරෙහිව.

2:55 එබැවින් Opus යනු මණ්ඩලයේ ඇති වඩාත්ම බුද්ධිමත් මාදිලිය වන අතර, වැඩියෙන්ම කතා කරන මාදිලිය වේ, සැලසුම් සමාලෝචනයක සිටින සෑම ජ්‍යෙෂ්ඨ ඉංජිනේරුවෙකු මෙන්. සයිමන්ටත් එම බාධකයම හමු විය. උපරිම උත්සාහයෙන් ඔහුගේ බයිසිකලයක් මත සිටින පෙලිකන් පරීක්ෂණය කිසිදා නැවත පැමිණියේ නැත. Opus පෙලිකන්ගේ කකුලේ දිග පරීක්ෂා කරමින් සිටියේය, එය එහි ප්‍රතිදාන සීමාවට ළඟා වන තෙක්, ටෝකන 128,000ක්. දෙවරක්. එක් එක් උත්සාහය සඳහා ඩොලර් 2.5 ක් සහ විනාඩි විස්සක් පමණ වැය විය. පෙලිකන් නැත. උපදෙස් කියවීම ගැන කතා කරමින්.

Claude Code: AGENTS.md ටෙලිමෙට්‍රි ධජයක් සඳහා රැඳී සිටියි

3:18 Claude Code මෑතකදී agents.md සඳහා සහය දක්වන බව නිවේදනය කළේය, අනෙකුත් කේතකරණ නියෝජිතයන් දැනටමත් කියවන පොදු උපදෙස් ගොනුව. Przemek නම් සංවර්ධකයෙක් එය කිසිදා පූරණය නොවන බව දුටුවේය. loader එක built-in plugin එකක් වන අතර, එය ක්‍රියාත්මක වීමට පෙර, එය දුරස්ථ විශේෂාංග ධජයකින් අවසර ඉල්ලා සිටියි. telemetry අක්‍රිය වූ විට, ධජය ලබා ගත නොහැකි අතර, fallback එක false වේ, සහ ඔබේ ගොනුව අනතුරු ඇඟවීමකින් තොරව මඟ හැරේ. ඔහු එය හිස් ෆෝල්ඩරයක canary වචනයකින් ඔප්පු කළේය.

3:43 Bedrock සහ Vertex භාවිතා කරන්නන්ට ද එයම නිශ්ශබ්දතාවයක් ලැබේ. ඉතින්, ඔබේම තැටියෙන් ගොනුවක් කියවීමට දැන් දුරකථනයෙන් සම්බන්ධ වීම අවශ්‍ය වේ. විකල්ප විසඳුම වන්නේ agents ගොනුව ආයාත කරන එක් පේළියක claude.md එකකි, හරියටම මෙම විශේෂාංගය ඉවත් කිරීමට අදහස් කළ අමතර ගොනුව. Apple හට අඩු පියවර සහිතව එම අදහසම ඇත.

macOS 27: Apple Intelligence අක්‍රිය කිරීමේ ස්විචය නැත

3:59 David Bushell macOS 15 හි Apple Intelligence අක්‍රිය කළේය. පසුගිය සතියේ ඔහු 27 ට උත්ශ්‍රේණි කළ අතර, 'නැත' යැයි පැවසූ ස්විචය නැත. විශේෂාංග කෙසේ වෙතත් නැවත පැමිණියේ, 22 GB තැටි ඉඩක් සහිතව. ඉතිරිව ඇත්තේ Screen Time, මව්පිය පාලන, එය මෙනු සඟවන අතර කිසිවක් අක්‍රිය නොකරයි. ඔහුගේ වචන වලින්, මම 'නැත' යැයි කීවෙමි, සහ Apple 'ඔව්' යැයි කීවේය.

Samsung: පරීක්ෂණ යාවත්කාලීන කිරීමකින් සැබෑ ශීතකරණ කැටි විය

4:19 සහ සිකුරාදා යෙදවීමක්, දින කිහිපයකට කලින්. Samsung විසින් කොරියාවේ ස්මාර්ට් ශීතකරණ වෙත SmartThings යාවත්කාලීන කිරීමක් තල්ලු කළේය, සහ දෝෂය පරීක්ෂණ ක්‍රියාවලියේදී සිදු වූ බව පවසයි, එය පෙනෙන විදිහට පාරිභෝගිකයින්ගේ මුළුතැන්ගෙයි තුළ ක්‍රියාත්මක වේ. ශීතකරණවල විදුලිය ඇනහිට, ආහාර නරක් විය, සහ කාර්මික ශිල්පීන් වාර්තා කරන්නේ Chuseok නිවාඩුවට පෙර motherboard මාරු කරන බවයි. Samsung එය හදිසි පියවර ලෙස හඳුන්වයි. කොහේ හෝ තැනක, අභ්‍යාසලාභියා ඉගෙන ගන්නේ නිෂ්පාදනයට ශීතකරණ ඇතුළත් වන බවයි.

4:42 ඔබ මට එය කියනවාට වඩා මෙය කියවීමට කැමති නම්, සෑම උදෑසනකම ඔබගේ එන ලිපි වෙත diff පැමිණේ, the daily diff.dev වෙතින් නොමිලේ, සබැඳිය පහතින්.

තීරණය: Opus 5.5 පිළිබඳව NEEDS REVIEW

4:49 ඉතින්, අද Opus 5.5 පිළිබඳ තීරණය. NEEDS REVIEW. මිල අඩු කිරීම සත්‍ය වන අතර එය මණ්ඩලයේ ඉහළින්ම ඇත, නමුත් ස්වාධීන ගණනය කිරීම ටෝකන කාර්යක්ෂමතාවයට එකඟ නොවේ, සහ මිනිත්තු අනූවකට පසුව එය මිල යුද්ධයක මිල අධික අර්ධය විය. දායක වන්න, සීනුව ඔබන්න, සහ ඔබ එය වෙනස් ලෙස මුද්‍රා තබන්නේ දැයි අදහස් දැක්වීමේදී මට කියන්න. සහ අදට එය තමයි වෙනස. මම Axrisi වෙතින් Niko. වගකීමෙන් යුතුව ඒකාබද්ධ කරන්න.

මූලාශ්‍ර

  1. Anthropic, Claude Opus 5.5www.anthropic.com
  2. Hacker News (1,645 pts)news.ycombinator.com
  3. OpenAI, Introducing GPT-6 Sol and Lunaopenai.com
  4. Hacker News (1,634 pts)news.ycombinator.com
  5. Simon Willison, Claude Opus 5.5, GPT-6 Sol, GPT-6 Luna, and a new price warsimonwillison.net
  6. Artificial Analysis, Claude Opus 5.5artificialanalysis.ai
  7. Artificial Analysis, GPT-6 Solartificialanalysis.ai
  8. Thariq Shihipar on Xtwitter.com
  9. The Verge, Emma Rothwww.theverge.com
  10. Przemek, Claude Code reads AGENTS.md only when telemetry is onblog.szypowi.cz
  11. Hacker News (192 pts)news.ycombinator.com
  12. David Bushell, I said no and Apple said yesdbushell.com
  13. Hacker News (838 pts)news.ycombinator.com
  14. Android Authority, Samsung accidentally freezes its smart fridgeswww.androidauthority.com
  15. Last week's episode, Hacktron and the Opus 5 exploitwww.youtube.com

අදාළ වීඩියෝ

daily · si · 2026 බිනර 30

Claude "nerf" එකක් හඳුනා ගන්නේ කෙසේද (සත්‍ය දත්ත සමඟින්)

සෑම දියත් කිරීමකින්ම සති කිහිපයකට පසු Claude අකාර්යක්ෂම වන බව මිනිසුන් පවසති. එක් සංවර්ධකයෙක් Claude Opus 5.5 දියත් කළ සතියේ සිට දින 30ක කාල සටහනකට යටත් කළ අතර, එයට ස්ථාවර ප්‍රශ්න, අමුණා ඇති Claude කේ

5:07 ↗
daily · si · 2026 බිනර 27

OpenAI සිය මුහුදුබත් කළ පොත් මකා දැමුවේ ඇයි?

මුද්‍රා නොතැබූ ලිපිගොනු වල 2019 දී OpenAI පර්යේෂකයෙකු උපුටා දක්වා ඇත: මුහුදුබත් කළ පොත් අඩවියක පුහුණු කිරීම පිළිබඳ ඔහුගේ කනස්සල්ල හැකර් නිවුස් හි "ප්‍රතිරූපය" (optics) විය. OpenAI දැන සිටියේ කුමක්ද, බ

5:01 ↗
daily · si · 2026 බිනර 24

Meta හි සේවකයින් Meta හි කණ්නාඩි වලට වෛර කළහ. Meta වීඩියෝව මකා දැමීය.

Meta හි ඇම්ස්ටර්ඩෑම් කාර්යාලය ඉදිරිපිට Meta හිම කැමරා කණ්නාඩි වලින් Meta හි සේවකයින් රූගත කරන අයුරු මිලියන භාගයක ජනතාවක් නැරඹූ අතර, Instagram විසින් “හිරිහැර කිරීම් සහ හිරිහැර කිරීම්” හේතුවෙන් වීඩියෝව

4:40 ↗
changelog · si · 2026 බිනර 20

සති 7ක වෙනස්කම්: Claude OpenAI හැක් කළේය

38 වැනි සතියේදී දේවල් හතක් වෙනස් විය, ඔබේ සඳුදා දිනට ඒවා කෙතරම් වෙනස් කරන්නේද යන්න අනුව වර්ග කර ඇත — සතිය තුළ මම සෑම කතාවකටම ලබා දුන් මුද්දර සමඟින්, සහ මම ආපසු ගන්නා එක් මුද්දරයක් සමඟින්. පළමුවැන්න වැ

8:39 ↗