R

RAG | Нейросети | ИИ | AI | Агенты | Muse Spark Open | Muse Wonder | Claude Haiku 5.5 | Mistral Large 4 | Gemini 4 Argon | Nemotron 3.5

IT и технологии · 16 октября 2026 г.

Открыть канал в MAX

FDE-Gym проверяет, доводит ли модель задачу до конца. 95 задач из 20 сценариев и 18 отр...

FDE-Gym проверяет, доводит ли модель задачу до конца. 95 задач из 20 сценариев и 18 отраслей — «последняя миля» доставки ИИ. Метрика: прирост бизнес-показателя заказчика (0 это «ничего не менять», 1 это эталон). Лучший балл 0,56 у Claude Opus 5.5. Из 95 задач целиком решено от силы 15, а Haiku 4.5 хуже бездействия в 79 из 95. Последняя миля не пройдена даже топами.