AI News
ДІЇ НЕМАПозитивнаImpact 5/10📊 Маркетинг і Реклама

Увімкнення двох налаштувань утроїло результат на тесті ARC-AGI-3

Редакція AI NewsДжерело: Shir-man Daily TopОпубліковано Оновлено
Shir-man Daily Top•4 місяці тому•1 перегляд•

Увімкнення налаштувань retained reasoning і compaction на тесті ARC-AGI-3 утроїло бал GPT-5.6 Sol з 13,3% до 38,3% за 23 години. Це демонструє, як механізми пам’яті моделі можуть значно покращити результати у завданнях на розуміння, що важливо для розробки власних AI‑систем.

ВердиктПозитивнаImpact 5/10

🚀 Швидкий прорив. Налаштування retained reasoning і compaction дають трояк росту результату на ARC-AGI-3 — для команд, що розвивають власні LLM і мають доступ до GPT-5.6 Sol.

🎯 Чи підходить це вашому бізнесу?

Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.

Заповнити профіль · 30 секунд
Детальний розбір ↓

TL;DR

  • •Дата публікації: 2026-07-29
  • •Джерело: Denis Trends — Popular Feed (Top day)
  • •Модель: GPT-5.6 Sol (версія від OpenAI)
  • •Бенчмарк: ARC-AGI-3 (тест на абстрактне розумовлення)
  • •Ліцензія використання: дані не розкриті

Як це змінить ваш ринок?

Для IT‑команд, що розробить власні продукти на базі великих мовних моделей, головним блokerом є витратна потреба в дорогому перетренуванні для покращення розумових показників. Проста зміна двох конфігураційних параметрів — retained reasoning і compaction — дозволяє трояк підвищитиbenchmark без додаткових витрат на обчислення або дані. Це зменшує бар’єр входження для середніх компаній, які хочуть конкурувати з гравцями, маючими доступ до великих обчислювальних ресурсів.

Визначення: retained reasoning — механізм, при якому модель зберігає проміжні стані мислення та дії між кроками генерації, замість їх повного відкидання після кожного токену.

Для кого це і за яких умов (ОБОВ'ЯЗКОВО: мін. обладнання/бюджет, потрібна команда чи ні, мін. масштаб, час на впровадження.

Для доступу до GPT-5.6 Sol потрібен API‑ключ OpenAI та орієнтовний бюджет приблизно $0,02 за 1K токенів (дані не розкриті). Потрібен один інженер з досвідом роботи з LLM для зміни конфігурації (≈ 2 години). Масштаб: будь‑яка команда, що розробить власний продукт на базі цієї моделі, від одного розробника до відділу AI.

Альтернативи

| | Продукт 1 | Продукт 2 | Продукт 3 | | Ціна | дані не розкриті | дані не розкриті | дані не розкриті | | Де працює | API OpenAI | будь‑яке LLM через фреймворк (наприклад, LangChain) | локально або в хмарі (Llama 3 70B) | | Мін. вимоги | доступ до API, датасет для fine‑tuning | знання LangChain, інтеграція з векторною БД | GPU 24GB+ або доступ до API Llama | | Ключова різниця | потребує перетренування і часу | потребує складного ланцюжка промптів | потребує зовнішнього пошуку і індексації (RAG) |


💬 Часті запитання

Чи потрібно перетреновувати модель, щоб скористатися цими налаштуваннями?

Ні, retained reasoning і compaction є параметрами інференсу, які можна увімкнути без змін ваг або додаткового тренування.

Чи працюватий чиста економія часу від використання цих налаштувань порівняно з fine‑tuning?

У статті зазначено, що покращення до 38,3% досягнуто за 23 години обчислень, тоді як типові fine‑tuning процеси для подібних моделей можуть тривати кілька днів і вимагати великих обсягів даних.

Чи гарантовано, що подібний ефект буде спостерігатися на інших архітектурах, таких як Llama 3?

Автори не тестували це на інших моделях, тому ефект може бути специфічним для GPT-5.6 Sol; необхідно проводити власні експерименти, щоб перевірити переносоможливості.

Підтекст

За цим результатом стоє не просто включення опцій, а глибока переоцінка того, як моделі зберігають стан між кроками розумовного ланцюжка. Автори показують, що збереження проміжних представлень дозволяє уникати повторних обчислень і помилок. Для бізнесу це сигнал, що інвестиції в дослідження архітектур пам’яті можуть дати швидкий віддача без потренування нових моделей.

Такий розбір щоранку о 08:00

Персональний AI-дайджест для вашої галузі — щодня у Telegram

Підписатися безкоштовно
ARC-AGI-3GPT-5.6Solretainedreasoningcompactionbenchmark

AI Advisory Board

Навчіть вашу команду будувати такі AI-автоматизації

За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.

Дізнатись більше → aiadvisoryboard.me