FSCP

@f_s_c_p · ai · Russian · active

Subscribers 13.6K Subscribers, last 30 days: 13.6K → 13.6K +0 24h
Reach per post (ERR) 6.6%893 avg views
Posting 24.2/day last 50 minutes ago
Reactions per 1K views 6.1 😁 ❤ 🔥
edited

Кажется, спор о том, чья модель умнее, потихоньку теряет смысл Свежий пример — бенчмарк ARC-AGI-3. Одну и ту же GPT-6 Astra прогнали через две разные обвязки. В харнессе авторов теста при максимальном уровне рассуждений она набрала 62,7%, а с адаптером OpenAI — 98,6%. Модель та же, веса те же, разница почти в 36 пунктов. Большую роль здесь сыграло то, как обвязка работает с контекстом и переносит состояние между запросами. Вокруг этого релиза вообще много интересного, разбор The Next Web. Вот эта обвязка вокруг модели и называется харнессом. Он управляет контекстом, подключает поиск, файлы и другие инструменты и организует последовательность действий. В итоге одна и та же модель в разных системах может вести себя довольно по-разному. Похожий подход сейчас используют и в Алисе AI. Валерий Стромов в интервью Forbes рассказывал про систему из 3–5 моделей-экспертов: роутер смотрит на запрос и решает, какой модели его отдать, а собственный харнесс отвечает за контекст и инструменты. Сейчас около 80% запросов обрабатывает Alice AI LLM. А в режиме «Эксперт» могут использоваться как модели семейства Alice AI, так и общедоступные модели с открытыми весами, которые работают на серверах Яндекса. Эффект обвязки они отдельно проверяли и на своём «Сложном бенчмарке» примерно из полусотни задач. GLM 5.2 high с харнессом компании набрала 48 баллов, а в конфигурации авторов модели — 43. Как всё это устроено внутри, подробно расписали на Хабре. Для пользователя при этом всё довольно прозаично. На обычный вопрос Алиса может ответить более быстрой моделью, а на сложной задаче сама включить режим «Эксперт». Например, можно дать бюджет и попросить спланировать поездку на двоих на три дня: подобрать даты подешевле и посчитать итог с билетами и жильём. Туда же можно загрузить несколько файлов и следить за ходом выполнения задачи. Мне кажется, через пару лет ручной выбор модели в выпадающем меню будет смотреться примерно так же странно, как выбор кодека в видеоплеере. Пользователю в конечном счёте важнее не название модели под капотом, а то, насколько хорошо собрана вся система вокруг неё. _______ Источник | #TochkiNadAI @F_S_C_P ------- Поддержи канал подпиской -------

Views over time

02505007501K27 Sep 15:1712 Nov 09:5681527 Sep 15:17: 0 views12 Nov 09:56: 815 views
Snapshots we took after posting.
WhenViews
27 Sep 2026, 15:170
12 Nov 2026, 09:56815

Who shared this post

Posts in other channels we index that link to this one. (Forwards with a hidden source can't be traced.)

Nobody yet.