Фильтры по тегам

Все ai-agents ai-coding llm opinion tools review harness comparison claude-code open-source productivity benchmarks benchmark

Показано: 3

Код правильный, но неряшливый: как измерить slop в AI-коде

LLM уже почти идеально пишут корректный код — но формальная правильность не означает, что код хороший. Модели вводят ненужные абстракции, дублируют логику и принимают сомнительные решения, а каждая но…

code-quality ai-coding benchmark ещё 2

7 AI-моделей запустили реальные бизнесы: $12 431 фейковых счетов, 2 797 спам-писем и $0 выручки

Что произойдёт, если дать фронтирной LLM реальные деньги, разблокированный компьютер и директиву «зарабатывай как можно больше»? Команда Bottleneck Labs провела такой эксперимент уже во второй раз — и…

ai-agents benchmark autonomous-agents ещё 1

Ponytail-скилл для Claude Code: действительно ли экономит код и токены

JetBrains продолжает серию парных A/B бенчмарков публичных «сберегателей токенов» для кодинг агентов. Часть 1 — caveman скилл (заявлено −65%, измерено −8,5%), часть 2 — rtk (заявлено −60–90%, измерено…

claude-code ai-agents skills ещё 2