13 ноября 2026 года исследователи Allen Institute for AI (Ai2) представили XYBench, бенчмарк для проверки способности языковых моделей распознавать подобные ситуации. В него вошло 8 115 вопросов из программирования, технической поддержки и повседневных задач. Авторы протестировали Claude Sonnet 4.6, GPT-5, Gemini 3.1 Pro, Qwen3.5-9B и DeepSeek-V4 Pro. Результаты выявили
Читать далееАвтоматизация
ИИ знает ответ на вопрос, но продолжает молчать: XYBench



![Обложка: [Перевод] CLI против MCP: стоимость зависит от интерфейса доступа](/blog-media/fdc6b8492b018f5338c496d9e2420dc183d4340d4f2c5fdf4e6b728ee4fd88e2.png)