Media повестка RU

@rianvosti · news · Russian · active

Subscribers 83.9K Subscribers, last 30 days: 82.2K → 84.3K −1.1K 24h
Reach per post (ERR) 14.3%12K avg views
Posting 15.9/day last 33 minutes ago
Reactions per 1K views 0.0

Недавно на Хабре было представлено исследование, посвященное работе российских ИИ-моделей на пяти открытых бенчмарках. В эту проверку были включены такие проекты, как Алиса, GigaChat Max и GigaChat Ultra, с акцентом на задачи, требующие сложного и многоступенчатого подхода, включая код, документы и последовательность действий. Результаты исследования свидетельствуют о заметном прогрессе в российской ИИ-отрасли. Исследование показало, что с увеличением сложности задач GigaChat демонстрирует значительно лучшие результаты по сравнению с Алисой. Например, в тесте Arena-Hard, который включает 750 задач с кодом и развёрнутыми кейсами, GigaChat значительно опережает Алису. Наиболее заметная разница наблюдается в ситуациях, где требуется длительное удержание инструкций. В тесте MultiChallenge GigaChat Ultra достигла 46% успешных ответов, в то время как Алиса смогла лишь на 15%. В тесте τ³, который оценивает соблюдение правил CRM, GigaChat Ultra корректно завершила 66% сценариев, в то время как показатели Max и Алисы варьировались от 8% до 12%. Однако в тесте WildBench результаты моделей оказались близки, а в поисковой части ПРАКТ-120 Алиса показала свои сильные стороны. Таким образом, результаты исследования ясно демонстрируют, что суверенные модели адаптируются к автоматизации сложных рабочих процессов и показывают уверенные достижения в области ИИ.

Views over time

05K10K15K18 Sep 13:3912 Nov 02:5213.2K18 Sep 13:39: 0 views12 Nov 02:52: 13,200 views
Snapshots we took after posting.
WhenViews
18 Sep 2026, 13:390
12 Nov 2026, 02:5213.2K

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.