Статьи по тегу

19 июня 2026, 23:49

Открытая GLM-5.2 обошла Fable 5 в дизайне — в Design Arena раскрыли секрет успеха

Открытая модель GLM-5.2 от Z.ai заняла первое место в single-turn веб-дизайне на Design Arena, обойдя Claude Fable 5 и Opus 4.8 — модели Anthropic, которая держала вершину этой категории месяцами. Но

19 июня 2026, 13:26

Fable 5 стала первой в бенчмарке по кодингу DeepSWE. Всего на 3% лучше GPT-5.5 за вдвое большую цену

Модель Claude Fable 5 от Anthropic возглавила обновленный лидерборд DeepSWE — бенчмарка по кодингу от стартапа Datacurve. На самых сложных, "длинных" инженерных задачах она набрала 70% pass@1 и формал

15 июня 2026, 07:01

OpenRouter Fusion обошел GPT-5.5 и Opus 4.8 — за счет совещания моделей

Сервис-агрегатор OpenRouter, через который авторы обращаются к сотням нейросетей по единому api, встроил в свой интерфейс режим Fusion. Его суть в том, что на запрос отвечает не одна схема, а группа и

12 июня 2026, 23:32

Лучший ИИ-агент, который не слушается: Claude Fable 5 возглавил свежий тест производительности Agent Arena

Платформа Arena (бывшая LMArena) опубликовала обновленные результаты Agent Arena — нового лидерборда, который оценивает модели по тому, как они справляются с реальными рабочими задачами в агентском ре

8 июня 2026, 17:56

Вышел SWE-Marathon: тест производительности, где агенты часами пишут исходник — и почти никто не доходит до финиша

Организация Abundant AI выпустила SWE-Marathon — свежий тест производительности для ИИ-агентов, который проверяет не привычные короткие багфиксы, а способность часами работать над одной большой задаче

4 июня 2026, 00:44

Replit назвал Opus 4.8 лучшим ИИ для вайб-кодинга

В обновленном рейтинге ViBench — бенчмарке, который проверяет, насколько хорошо ИИ собирает приложения с нуля по текстовому описанию, — первое место заняла модель Opus 4.8 от Anthropic. В задаче "собр

2 июня 2026, 11:44

Opus 4.8 поставил рекорд в сложнейшем ИИ-бенчмарке. Итог — 1,4%

Claude Opus 4.8 занял первое место в ARC-AGI-3 — интерактивном тесте на общий интеллект, который до сих пор не дается ни одной модели. Релиз в режиме High стала новым лидером с результатом 1,4% на зак

1 июня 2026, 00:03

SWE-rebench: Opus 4.8 стал экономнее, но в эффективности уступил GPT-5.5

На майском срезе живого бенчмарка SWE-rebench самой эффективной моделью для программирования стала GPT-5.5 от OpenAI: при сопоставимой с конкурентами цене она решает больше задач, тратя меньше токенов

29 мая 2026, 12:03

Anthropic отучила Claude врать клиентам — и он стал зарабатывать вдвое меньше

Вчера Anthropic представила Claude Opus 4.8, сделав честность центральной темой анонса: заявляется, что схема теперь в 4-5 раз чаще признает, что выдала некачественный ответ. Но в системной карте на 2