Выбирать LLM по сухим бенчмаркам вроде MMLU — значит совершать фатальную ошибку. Цифры лгут, когда дело доходит до реального применения. В нашем новом глубоком тесте мы столкнули лоб в лоб новые поколения моделей, чтобы увидеть их истинное лицо: где заканчивается «интеллект» и начинается бесконечный цикл галлюцинаций.
В этом разборе вы узнаете:
• Почему Qwen 3.6 — это «парализованный интеллектуал», способный застрять в собственных рассуждениях при встрече с простой логической ловушкой.
• За что мы готовы простить Gemma 4 критический провал по безопасности, и почему она остается единственным «художником», умеющим чувствовать подтекст.
• Почему специализированная модель Qwen Coder, обещавшая революцию в кодинге, фактически заслуживает списания.
Мы разобрали архитектуру мышления (CoT), протестировали устойчивость к негативным промптам и выявили «налог специализации», который губит топовые модели.
Готовы пересмотреть свой стек? Читайте полный вердикт по каждой модели.