Claude Opus 4.7 просел в тестах на длинный контекст Появились результаты бенчмарка MRCR v2 (8-игл)

✴️ Claude Opus 4.7 просел в тестах на длинный контекст

Появились результаты бенчмарка MRCR v2 (8-игл) — это тест, где модель должна найти и корректно использовать несколько скрытых фактов в длинном тексте, не путая их между собой.

И тут у Claude Opus 4.7 всё неожиданно плохо.

На длинном контексте:
🟡 256K
Opus 4.6 — 91.9%
Opus 4.7 — 59.2%
🟡 1M
Opus 4.6 — 78.3%
Opus 4.7 — 32.2%

🤑 ForgetMe | Boosty

Приобрести подписку на любые сервисы
⏩ @forgetshop_bot

#нейросети #claude #новости