Тестирование современных LLM моделей проводится с помощью стандартных бенчмарков, которые оценивают математические способности, программирование, понимание текста или умение строить логические выводы. Однако эти тесты слабо отражают умение моделей вести переговоры,…
AI-инструменты 2025: Полный технический анализ Perplexity, ChatGPT, Gemini и DeepSeekСравнение четырёх ведущих AI-инструментов 2025: Perplexity, ChatGPT, Gemini и DeepSeek. Анализ точности, безопасности, цены и оптимальных сценариев использования. Выбираем инструмент для вашей роли: исследователи, разработчики, data scientists и контент-мейкеры. Практические рекомендации и таблицы сравнения ключевых метрик. Читать далее
Всем привет! Недавно я вновь сменил свою основную LLM-модель. Долгое время пользовался Claude, потом перешел на ChatGPT, затем на Gemini, и вот я опять оплатил Claude и снова отменил подписку. Почему? Потому что Gemini, который поначалу казался невероятно мощным, в какой-то момент просто перестал справляться с моими основными задачами, а до этого так же сделал Claude и ChatGPT. Они стали лениться, игнорировать части промпта и выдавать поверхностные ответы. Читать далее
В первой части мы разобрали теорию text‑to‑SQL: как LLM заменяют разработчиков, почему RAG и CoT спасают от галлюцинаций и зачем Scale AI дообучает ChatGPT-4. Но теория неполна без практики! В этом материале — жёсткое тестирование моделей (ChatGPT o3-mini‑high, ChatGPT 4.1, Claude Sonnet 4, ChatGPT o3,…