L’intelligenza artificiale sta smettendo di essere testata solo su prompt generici. Xplore ha lanciato il RWE-bench, una serie brutale di 20 compiti che spaziano tra meccanica, elettrotecnica e aerospazio, creati da veri ingegneri. Parliamo di cose serie: far sopravvivere un albero motore diesel a 2.400 giri o calcolare il flusso su un’anima di turbina. E qui arriva il nocciolo: non ci sono voti. Il sistema non accetta ‘è quasi’; esige che ogni disegno rispetti ogni singolo requisito e che le simulazioni fisiche funzionino alla perfezione. In questa prova di resistenza, GPT-6 Astra si è imposta in testa con un tasso di successo del 37%, seguito da Opus 5.5 (circa 29%) e GPT-6.1 Sol (circa 25%). A un costo a run salato, ma la vera perla è il confronto con gli umani. Se si desse la stessa attrezzatura a un neolaureato o persino a uno specialista senza addestramento, le probabilità di successo crollano drasticamente. Mentre lo specialista potrebbe risolvere un terzo dei problemi nel proprio campo in circa una settimana, i modelli AI riescono a coprire più campi in poche ore. Sebbene i risultati siano promettenti, l’articolo sottolinea che il benchmark è cruciale, perché è proprio la necessità di un ‘tabellone di punteggio’ oggettivo a spingere l’IA verso il prossimo, enorme salto evolutivo.
🇬🇧 Summary in English
Artificial intelligence is moving past simple chatbot tests. Xplore has released the RWE-bench, a brutal set of 20 tasks spanning mechanical, electrical, and aerospace engineering, all designed by working professionals. We’re talking serious stuff: making a diesel crankshaft survive 2,400 RPM or running CFD on a turbine vane. And here’s the kicker: there are no grace grades. The system doesn’t accept ‘it’s almost right’; it requires every design to pass every single requirement, and physics simulations must be flawless. In this endurance test, GPT-6 Astra topped the charts with a 37% success rate, followed by Opus 5.5 (around 29%) and GPT-6.1 Sol (around 25%). While the costs per run are steep, the real eye-opener is the human comparison. Handing the same tools to an untrained graduate or even a specialist results in a dramatic drop in success probability. If a specialist might solve about a third of problems in their niche over a week, the AI models can tackle multiple fields in mere hours. Although the results look promising, the piece emphasizes that the benchmark itself is vital—it’s the demand for an objective ‘scoreboard’ that will ultimately drive the next, massive evolutionary jump for AI.
Leggi l’articolo originale su Reddit →
Fonte: Reddit | Argomento: Tech News
#tecnologia #innovazione #technews