Я сравнил Claude Opus 4.8 с 4.7 в 10-раундовом тесте на честность — и юридический вопрос нарушил это правило.

Новейшие модели были протестированы на ловушках, связанных с программированием, медициной, финансами и юриспруденцией, после чего я сопоставил результаты с результатами нескольких других моделей искусственного интеллекта.