Вау! Смотрите, если к дешёвым open-source моделям добавить самопроверку, то они обгонят Claude Исследователи из Stanford, Berkeley (запрещены в РФ) и NVIDIA показали, как это работает на практике с помощью фреймворка LLM-as-a-Verifier. Так DeepSeek V4 Flash + самопроверка на Terminal-Bench 2.1 смогла: 1. Сгенерировать всего 5 вариантов решения 2. Та же модель их оценила и выбрала лучший 3. Точность выросла с 79 % до 88 % В итоге обогнали Claude Fable 5 и сделали это в 11 раз дешевле.