Нечестный обзор ИИ-агентов. Кто действительно смог реализовать Depixelizing Pixel Art? +3
Публикации с тегом бенчмарк
Сколько стоит контекст для кодового агента: grep vs граф vs LSP на большом проекте (936 прогонов) +10
Ни одна ошибка не нова: почему провал ИИ в First Proof был предсказуем заранее
Работает ли Caveman? Тестируем модный скилл для экономии токенов +8
Как я ускорил dependency injection в Python в 130 раз: от рефлексии до компиляции графа +6
Как я мерил точность ИИ в распознавании еды: бенчмарк, LLM-as-judge и баг с варёной гречкой +10
Whisper или GigaAM для русского ASR в продакшене: три ловушки бенчмарка, которые перевернут ваши выводы +9
1C Code Bench — бенчмарк для оценки способности LLM писать код на 1С +6
MTP у Qwen3.6 в llama.cpp обещает ×2 по скорости. Я прогнал ту же модель через своего агента — и получил обратное
Прогнал семь LLM через свой русский спортивный бенчмарк. Базовой моделью всё равно оставляю Gemma 4 31B
Калькулятор VRAM для локальных LLM: Какие модели ИИ запустятся у вас на компьютере?
Новый бенчмарк по кодингу для LLM ProgramBench: 9 топ моделей, 200 задач, 248 тысяч тестов. Полностью решённых — ноль
Тайна подвальной PlayStation 5 за 7.000 рублей с Ozon
Как ускорить поиск фраз в Manticore Search
Бенчмарк 7 эмбеддингов и 4 реранкеров на корпусе судебной практики +2
