Az összehasonlítás középpontjában két fejlett mesterséges intelligencia-modell, az Anthropic Opus 5.5 és az OpenAI GPT6 Astra áll. A bemutató azzal kezdődik, hogy mindkettőt valós, gyakorlati feladatok elé állítják: laptopvásárlási tanácsadás, PDF-dokumentum hibakeresés, márkaoldal tervezés, animációs rövidfilm készítése, videóvágás, valamint egy egyszerű 3D játék fejlesztése.
Az első tesztben a modelleknek aktuális laptopokat kellett ajánlaniuk, figyelembe véve a valós árakat, üzleteket és felhasználói igényeket. Felmerül a kérdés: mennyire megbízhatók ezek az ajánlatok, és melyik modell tud pontosabb, cselekvésre kész javaslatot adni?
Következőként egy fiktív utazási dokumentumcsomagot kellett ellenőrizniük, amelyben rejtett hibák találhatók. A hangsúly azon van, hogyan képesek a modellek felismerni a bonyolult, részletekben megbúvó eltéréseket, illetve hogy az elemzést mennyire lehet felhasználni a gyakorlatban.
A kreatív feladatok sem hiányoznak: a modellek egy hot sauce márka honlapját, majd egy teljes, animált rövidfilmet és végül egy egyszerű 3D játékot hoztak létre kizárólag kóddal. Itt nemcsak a technikai képességek, hanem a dizájn, a funkcionalitás, az ötletesség és a felhasználói élmény is kiemelt szempont.
Emellett a videó kitér az olcsóbb modellverziók – Claude Sonnet és GPT6 Saul – teljesítményére is, hangsúlyozva a különbségeket az egyes AI fejlesztők megközelítésében. Felvetődik a kérdés: valóban nagy az előnyük a prémium modelleknek, vagy már a megfizethetőbb AI-k is alkalmasak összetett feladatokra?
Végül olyan kérdéseket is felvet a videó, mint az üzemeltetési költségek, a feldolgozási sebesség, a pontosság vagy a hosszabb távú tanulás élménye, valamint hogy mikor érdemes melyik mesterséges intelligenciát választani. Az összehasonlításból átfogó képet kapunk arról, hogyan viselkednek a modern AI-modellek komplex, valós környezetben.
