Kimi K2.5 tüm yapay zekaları geçti

Moonshot Al Kimi K2.5 adlı açık kaynaklı yeni modelini duyurdu ve özellikle görsel şeyler anlayıp onlarla iş yapabilen, aynı zamanda kendi başına karar alıp adım adım iş çözen bir yapay zeka. Yani sohbet ederken sadece yazı değil resim yada video gönderince de ne olduğunu anlayıp ona göre cevap veriyor ya da iş yapıyor. Eskiden yapamıyordu. Paylaşımdaki grafikte gördüğün gibi farklı testlerde diğer büyük modellerle kıyaslanmış GPT-5.2'nin yüksek modda hali, Claude Opus 4.5, Gemini 3 Pro gibi. Mesela ajan testlerinde (yani kendi başına araç kullanıp problem çözen modda), Humanity's Last Exam tam setinde %50.2 almış, BrowseComp'te %74.9, DeepSearchQA'da da %77.1 gibi skorlarla önde görünüyor

Açamıyoruz ki deneyelim

Edit: açıldı hemen opus ile kıyaslamalara başlıyorum sonuçları yazacağım. deneyemedim sanal kartımı kabul etmiyor.

Code kısmında hala opus sanırım agentta öne geçmiş

Testlerde herkes geçiyor ama işe gelince ....

Sözde herkes kendince önde

Daha opus güncelleme yapmadı

SWE’de geçemiyorlar, geçebileceklerini de sanmam, anthropic maalesef açık ara önde

kimi denemiştim çıktğı zaman güzel işler çıkarıyor

Bu scorelara ben asla inanmıyorum.
Kim ne derse desin Claude her zaman 10 adım önde gidiyor.
Basit şeylerde belki bu yapay zekalar başarılı olabilir ama spesifik işlerde Claude un üstüne yok.