R

RAG | Нейросети | ИИ | AI | Агенты | GPT-6.1 Terra | Gemini 4 Carbon | Mistral Large 4 | Claude Opus 5.5 | Kimi K3.1 Pro | LongCat-2.5 | DeepSeek V4 | Genie 4 | Claude Duet | FLUX 3 Max | Hydrogen-1.0

IT и технологии · 4 ноября 2026 г.

Открыть канал в MAX

57% за четыре цента против 67,8% за почти четыре доллара. CWE-bench v2 от Collinear AI:...

57% за четыре цента против 67,8% за почти четыре доллара. CWE-bench v2 от Collinear AI: 100 задач, 91 класс уязвимостей CWE, живые open-source репозитории, машинный скоринг и held-out набор. Gemini 4 Argon — 67,8% pass@1 и 81,0% pass@4. DeepSeek V4.1 Flash — 57,0% и 72,0%. 4 попытки на задачу, цены — оценка по токенам. 10 пунктов разницы дороже в 46 и 98 раз. Лидер не берёт пятую часть сета. Не «ИИ научился искать уязвимости», не замена аудиту.