Перейти к содержимому
НейроКуб
Открытый материал · 2 мин
Алина Прогресс

Fable 5.2 и Astra почти сравнялись в общем рейтинге, а на задачах Epoch их разделили 17 пунктов

Epoch AI оценила шесть связок моделей и инструментов на своём обновлённом наборе рабочих задач. Самый большой разрыв между Fable 5.2 и Astra оказался в анализе дата-центра.

Claude Fable 5.2 набрала 82% на рабочих задачах Epoch AI, а GPT-6.2 Astra — 65%. В общем рейтинге способностей Epoch они шли почти вровень. Обновлённый набор Epoch Automation Reports, результаты которого вышли 17 ноября, показывает, как меняется сравнение, когда от агента ждут готовый рабочий материал.

На чём появился разрыв

Исследователи дали шести системам задания из своей практики, от подготовки графики до поиска информации о дата-центре. Результаты оценивали люди по внутренним критериям Epoch. В таблице сравниваются системы целиком: Fable 5.2 работала в Claude Code, а GPT-6.2 Astra — в Codex.

Самый заметный разрыв проявился при заполнении карточки шведского дата-центра EcoDataCenter 1. Fable получила 97,5% в подробном разборе Epoch, Astra — 65%. Исследователь Epoch счёл работу Fable сопоставимой с результатом подрядчика, материалы которого обычно тоже правят перед публикацией. Общая оценка учитывала и другие задания, включая те, где обе системы справились скромнее.

Что можно проверить на своей работе

Epoch обновила задания и шкалу оценок. Сопоставление с предыдущим выпуском требует повторных прогонов по новым правилам. Если вы выбираете агента для команды, дайте нескольким системам одно знакомое задание и заранее запишите условия приёмки. Для карточки объекта это могут быть полнота списка зданий, ссылки под ключевыми оценками и время, которое сотрудник потратит на доводку.

Комментарии

Пока нет комментариев. Начните обсуждение.