A Kona lekörözi a vezető LLM-eket a nagy sebességű következtetés és a költséghatékonyság terén
Egy Sudoku stresszteszt során a Logical Intelligence Kona modellje jelentős fölényt mutatott a vezető nyelvi modellekkel szemben a kényszerkielégítési problémák megoldásában. Miközben a csúcskategóriás modellek, mint a GPT-5.2, a Claude Opus, a Gemini és a DeepSeek együttesen mindössze 2%-os megoldási arányt értek el, a Kona a rejtvények 96,2%-át sikeresen megfejtette. A sebesség- és költségkülönbségek szintén szembetűnőek voltak, rávilágítva az energiaalapú következtetési modellek építészeti hatékonyságára a hagyományos nagy nyelvi modellekkel szemben.
- 96,2%-os megoldási arány a Kona esetében, szemben a vezető LLM-ek csoportjának 2%-os eredményével.
- A Kona átlagosan 313 ezredmásodperc alatt oldotta meg a rejtvényeket, míg az LLM-eknek próbálkozásonként akár 90 másodpercre is szükségük volt.
- Az LLM-ek teljes API költsége a demó alatt körülbelül 11 000 dollár volt.
- A Kona üzemeltetési költsége ugyanezen demó alatt mindössze négy dollárt tett ki.
- A Kona formális verifikációs ágense, az Aleph, gépileg ellenőrizhető bizonyítékokat tud létrehozni a kód helyes működésének biztosítására.
Ez a teszt rávilágít a kizárólag nyelvi alapú modellek alapvető logikai korlátaira, és bizonyítja, hogy a speciális következtetési architektúrák nagyságrendekkel olcsóbbak és gyorsabbak lehetnek a logikailag intenzív feladatoknál. ---