10
Jul
translation
Сигнал или шум: OpenAI проверила SWE-Bench Pro
OpenAI провела аудит SWE-Bench Pro и обнаружила, что ~30% задач содержат ошибки. Что это значит для …
→
Бенчмарки
6
материалов
28
Jun
translation
GPT-5.6 Sol: флагман нового поколения от OpenAI
OpenAI представила GPT-5.6 Sol — самую мощную модель компании для кодинга, кибербезопасности и …
→
20
May
article
87% на бенчмарке с моделью 4B: как это работает
Как построить coding-агент на модели 4B параметров, который превосходит на бенчмарках решения с …
→
06
May
news
DeepSeek V4 Pro догнал GPT-5.2 за 10 недель и в 17 раз дешевле
DeepSeek V4 Pro сравнялся с GPT-5.2 на агентном бенчмарке FoodTruck Bench — за 10 недель и примерно …
→
11
Apr
news
GLM 5.1 обходит все модели, кроме Opus, втрое дешевле
Zhipu AI выпустила GLM 5.1 — open-source модель на 754B параметров, которая превзошла GPT-5.4 и …
→
16
Mar
article
Reasoning-модели в 2026: чем o3, Gemini и Claude Opus отличаются
Как reasoning-модели — o3, Gemini 3.1 Pro и Claude Opus 4.6 — работают иначе, чем обычные LLM, и …
→