NearAI twierdzi, że rozwiązał 672 problemy matematyczne za 111 dolarów

NearAI twierdzi, że rozwiązał 672 problemy z benchmarku dowodów formalnych PutnamBench w systemie Lean 4 za łączną kwotę 111 dolarów. Przykład ten może pokazać efektywność kosztową agentów AI. Agent Lean NearAI rozwiązał wszystkie zadania z PutnamBench, osiągając koszt 250 razy niższy niż konkurencyjne systemy. Jednak porównanie to nie przedstawia jasno, czy warunki modelu, budżetu wykonania, sposobu przeszukiwania i struktury ponownego próbowania są takie same. Obecnie potwierdzonym faktem jest, że NearAI ukończył 672 problemy i przedstawił całkowity koszt 111 dolarów. Na razie nie ma niezależnego odzwierciedlenia tych wyników na publicznej liście liderów PutnamBench. Oficjalne repozytorium PutnamBench podaje liczbę problemów zgodnych z Lean 4 na 672, a dowody formalne oceniają, czy AI przedstawia weryfikowalne procedury dowodowe. Twierdzenie NearAI ma znaczenie w ekosystemie NEAR, który podkreśla "weryfikowalne AI". Zaufane środowisko wykonawcze to technologia, która przetwarza dane w izolowanym środowisku sprzętowym, ograniczając dostęp zewnętrzny. NearAI w lutym podkreślił infrastrukturę, w której agenci obliczają i dokonują transakcji, a obecne twierdzenie to przykład dodania wartości efektywności kosztowej. Rywalizacja w dziedzinie dowodów formalnych również trwa, a MistralAI ogłosił, że LeanStral 1.5 osiągnął wynik 587/672 w PutnamBench. MistralAI przedstawił koszt około 4 dolarów za problem. Lista liderów PutnamBench dyskutuje nad lepszym sposobem przedstawiania budżetu obliczeniowego według dostępu. Wpływ osiągnięć NearAI na cenę NEAR lub popyt w ekosystemie pozostaje niepewny.