Прогнали GigaChat 3.5 по реальным кейсам: Результаты большого тест‑драйва
GigaChat 3.5 вышел в июле этого года, а в начале сентября были выложены открытые веса этой модели. И многие сейчас задаются…
AI & ML
⚑ Report a ProblemLatest AI & ML news from Tech News
All topics
AI
News
Tech
agents
ai
api
architecture
automation
beginners
career
claude
database
devchallenge
devops
javascript
llm
machinelearning
mcp
opensource
performance
productivity
programming
python
react
security
showdev
testing
tutorial
typescript
webdev
Бенчмарк Маракуйя ИИ на Terminal-Bench 4 и OSWorld 2
Всем привет! В прошлой статье я гонял Алису и Гигачат как чаты: Arena-Hard, WildBench, MultiChallenge, τ³, ПРАКТ-120. Там модель должнв была отвечат…
Сравнение Алисы (Яндекс) и Гигачат (Сбер) по 5 бенчмаркам: τ³, ПРАКТ-120, MultiChallenge, WildBench и Arena‑Hard
Всем привет! Я обещал написать эту статью и я наконец‑то закончил тесты и готов поделиться с вами результатами. Я потратил МНОГО времени на&nbs…
PRACT-120 — бенчмарк для оценки ИИ-чатов
Когда выбираешь ИИ-чат для работы, многие первым делом открывают таблицы бенчмарков: MMLU, GPQA, HumanEval, LMSYS Arena. Цифры полезные. Результаты…
Умеет ли Алиса AI выдавать случайное число?
Яндекс использовал Алису для получения номеров победителей вместо привычного рандомайзера. Мне стало интересно, насколько числа случайны — и я провё…
Они точно попадут в ИИ-библию
Скидываю на ваше обозрение результаты небольшого эксперимента. Я спросил у самых популярных нейронок, какой фильм/книгу/игру/человека они бы занесли…