Чат канала LLM под капотом

да вчера тоже таймаутился по-черному

А, а, можно еще qwen 3.8-max-preview прогнать)

Она пока только у них в подписке да.

Ее на OpenRouter пока нормально не подключили. Как сделают - протестирую

Для меня, как для юриста, работающего в РФ это топтир. Хорошо работает с файлами ворд (задачи типа поправь ворд в режиме правок), не нужен впн (правда DPI иногда режет соединение) и более спокойная и исполнительная чем клодовские. Я впервые с прошлого года остался без активной подписки openai или antropic (успел взять подписку Kimi).

Они закрыли даже продажи. Нехватка мощностей.

Сегодня на openrouter выложили x-ai/grok-imagine-video-1.5 можно её прогнать?

У них тут можно взять по подписке или предоплате: https://www.qwencloud.com/

сталкивался с тем, что Openrouter некорректно считает токены? еще хитро так, на небольших объемах правильно считает, а после какого-то порога резко завышает. И с какого-то момента ложно выдает ошибку, как будто ты превысил контекстное окно модели запросив input tokens + max tokens свыше max model len, хотя это не так, локально все проходит, токены считаю через нативный токенайзер модели

добрые вести, конечно. все меньше опасений по поводу зависимости процессов от настроения и политики одной-двух компаний

Теперь понятно чего они так разнылись :) https://x.com/deanwball/status/2078133895766114412

@abdullin а есть по gpt-4.1 инфа в бенчах? насколько он отстает от gpt-5.6-luna интересно

Неожиданно но ФАКТ ! У Kimi решения зависят от времени суток ? нагрузки ?? Пару дней назад Kimi показывал посредственные результаты. Сегодня утром решил перепроверить - и результаты совсем другие. Код пишет рабочий, но с НЮАНСАМИ - по стилю больше похож на Fable 5 - более AI-оптимизированный нежели читабельный и структурный. 5.6 Sol и Tera дают более структурный и надёжный продакшн-реди код. Что касается самих решений - делает упрощения и оптимизиции везде где это возможно. Соблюдение требований \ ограничений - на 90%, если видит что решение сложное - подменяет его упрощенным которое выглядит как правильное, заправив всё это хитрой оптимизацией. Код более компактный чем даже у Fable - на 20% меньше LOC. С точки зрения корректности - он собирает код как пазл, а не следует паттернам и шаблонам.

а как реагирует на попытки загнать в рамки? на пример если у 5.6 начинаешь "отнимать свободу", загоняешь в планы и спецификации, он начинает люто оверинженерить. С каким-нибудь суперпауэрс вообще война начинается. И бесконечные тесты на тесты на тестах на изменение каждой строчки. Эта как реагирует на попытки управления?

А планы и спецификации кто делал?

вот только что проверил - да, он сделал как надо, причём точно, хоть и было сложно ему . Главное - что он не стал усложнять остальной код, вписав новое решение в уже существующий код. Рефакторинг у него будет точечный и конкретный. это плюсик.

Попробовал 3.8-max-preview в qwen cli - по первому подходу ощущение что хуже чем goal в кодексе. Модель пытается слиться от работы при первой же возможности. Как ему правильно задачу ставить чтобы он ее доделывал? Дал .md файл сделаный прошкой после обсуждения. 8 пунктов, затрагивает две репы. На первой итерации qwen сказал что сделал 5, потому что один требует редактирования дргой репы (в доке написано что да, надо ее редактировать, права yolo, так что не отмажешься что не пустило), второй потому что его делать надо (чуть другими словами но суть такая), а третий зависит от первых двух. Про каждый спросил что мешает - говорит ничего, сейчас сделаю. После этого даю на ревью кодексу - он находит 8 блокеров и 1 хай. Начиная с того что 50 тестов падает, команды которые qwen добавил не запускаются, файлы генерятся в одном формате а читаются в другом, еще несколько команд которые должны валидировать результаты - проверяют что не упало и не проверяют сам аутпут или проверяют одно поле из десятка. Говорю квену мол перепроверь все (не давая список от кодекса) - он находит сломанные тесты, чинит и отчитывается что все проверил. Команды продолжают не работать, файлы быть в разном формате. Скидываю команду не рабочую - он ее фиксит, но соседнюю даже не пробует проверить. Говорю что как-то ты проверял а ничего не работает, после чего он говорит что сейчас проверю команды которые я понаписывал... Возвращается - говорит все команды проверил, дико извиняюсь. Пробую одну команду - она все еще не работает. Пробую другую команду, которая должна согласно таску сгенерить временные креденшиалы, создать с ними пользователя в тестовом окружении, и сохранить в файл. Команда генерит креды и сохраняет в файл. Пользователя не создает. Говорю мол скажи эта команда что должна делать по задаче и что делает по факту. Qwen отвечает мол должна создавать юзера а по факту не создает, но это ж делать надо, сервер запускать, мне имплементить или задокументировать как известное ограничение? На этом этап