Бенчмарки Мебиуса: зачем IBM учит ИИ проверять собственные вопросы +13
Публикации с тегом бенчмарки
Как запустить собственную AI-лабораторию (без миллиардных вложений) +1
Где VLM не читали старых газет: разбираем PereStruct, открытый датасет и модульный парсер +47
- Блог компании Yandex Cloud & Yandex Infrastructure
- Блог компании Яндекс
- Open source
- Машинное обучение
- Искусственный интеллект
PRACT-120 — бенчмарк для оценки ИИ‑чатов +3
Один харнесс, три модели: чего вам не расскажут публичные бенчмарки +8
Селф-хост на RTX PRO 6000, продолжение: 2-битный DeepSeek V4 Flash x Ornith1.5-35B, как оно? +3
Шесть LLM‑судей из четырёх лабораторий несут 1,9 независимого голоса из 6 +6
Train и eval в ARC-AGI-2 — это разные распределения +2
«Я запаниковал и удалил прод»: как ИИ‑агенты троллят разработчиков за их же токены +11
Сравниваем LLM, 12 тестов для китайских флагманов: Kimi K3, GLM-5.2, DeepSeek V4 Pro и Qwen 3.8 Max +22
Как выбрать OCR в 2026-м: тестируем девять моделей на трех движках инференса на рукописном русском +21
Как выбрать OCR в 2026-м: тестируем девять моделей на трех движках инференса на рукописном русском +21
Claude Opus 5: самая умная модель по версии Artificial Analysis – что скрывается за баллами +3
- Блог компании GPTunneL
- Искусственный интеллект
- Машинное обучение
- IT-компании
- Информационная безопасность
Claude Opus 5 — новый лидер в FoodTruck Bench. Рассказываю, как у него это получилось +3
