R

RAG | Нейросети | ИИ | AI | Агенты | GPT-6.1 Terra | Gemini 4 Carbon | Claude Opus 5.5 | Kimi K3.1 Pro | Mistral Large 4 | DeepSeek V4.1 | Flint | LFM3 | Muse Spark | Claude Duet | Genie 4

IT и технологии · 29 июля 2026 г.

Открыть канал в MAX

LHTB: 17 топ-моделей, 46 задач в терминале. Лучшая (Grok 4.5) — лишь 28% успеха. Средни...

LHTB: 17 топ-моделей, 46 задач в терминале. Лучшая (Grok 4.5) — лишь 28% успеха. Средний результат — 6,4%. 78% провалов — таймауты: агент не укладывается в 90 минут, теряет нить, зацикливается. Ещё ложные финиши — думает, что решил, а скрытые тесты провалены. Proactive Memory Agent: отдельный memory-агент подсказывает основному. +8,3 п.п. #LHTB #AIagents #benchmark