Дмитрий Ильин | AI-разработчик

DeepSeek V4 Pro вышел из четырёхмесячного превью: скачок в 5 раз по бенчмаркам и ценник, от которого у Claude Opus 5 могло бы стать не по себе. Вот только маркетинг — маркетингом, а независимые тесты рисуют картину куда более прозаичную. DeepSeek V4 Pro вышел из почти четырёхмесячного превью с серьёзными цифрами. DeepSWE, бенчмарк для кода, прыгнул с 12.8 до 62.7 — почти пятикратный рост. На SWE-bench Verified, одном из главных независимых тестов для кода, модель взяла 96.40% и заняла второе место в мире, в полпроцента от Claude Opus 5...

Google оценила 3.7 Flash в $0.75 за миллион токенов и называет самой умной рабочей лошадкой для кодинга и агентов. Но 9-е место в мире по общему интеллекту и цена, которая удвоится в январе, заставляют смотреть трезвее. На FrontierCode 1.1 модель набрала 43.6%, обогнав Claude Sonnet 5 (42.7%) и GPT-5.6 Terra (41.3%). На фронтенде Code Arena Elo 1588 — лучший результат в классе. В enterprise-автоматизации AutomationBench модель показывает 30.4%. Это почти втрое больше, чем у Claude (10.7%). Цифры красивые...

xAI догнала OpenAI по главному составному бенчмарку Intelligence Index — 61 балл у обоих, а цена за токены в пять раз ниже. Grok 4.6 сейчас самая дешёвая флагманская модель на рынке, и для пользователей Cursor доступен прямо в редакторе без танцев с API. Базу модель не меняла — те же 1,5 трлн параметров архитектуры V9. Прокачали только пост-тренировкой: взяли Grok 4.5, перегенерировали траектории обучения, отфильтровали мусор. Скачок заметный. Тут сыграла роль покупка Cursor: xAI получила доступ к реальным агентным сессиям разработчиков...