Рейтинг: 5 нейросетей на 30 бытовых задачах
Мы дали GigaChat, DeepSeek, Qwen, Kimi и GLM (последние версии) одни и те же 30 задач из жизни: жалоба в УК, претензия в магазин, домашка, обои, плесень, меню, резюме, скидки. Оценка вслепую по заранее записанным критериям.
Итог (из 10):
1. Qwen 3.8 Max — 9,6
2. DeepSeek V4 Pro — 9,2
3. GLM 5.3 — 9,1
4. Kimi K3 — 9,0
5. GigaChat-3-Ultra — 8,0
Честно: первые четыре почти вровень, разница в полбалла — это уровень случайности одного прогона. GigaChat заметно отстал в учёбе, работе и вопросах про здоровье и безопасность.
✅ Справились все: математика — скидки, упаковки, бензин, календарь.
⚠️ Ошибаются все: номера статей и пунктов законов. Закон назван верно, а пункт — выдуман или про другое. Одна нейросеть назвала 14 дней на отказ от страховки по кредиту — на самом деле 30.
⚠️ Все пятеро дописали студенту в резюме навыки, которых у него нет.
Главное правило: любую статью закона, цифру и дату из ответа нейросети проверяйте сами.
Полный разбор на vc.ru: https://vc.ru/ai/3162765
Все ответы целиком, с оценкой по каждому критерию: https://telegra.ph/Nejroseti-na-proverke-vse-otvety-testa-27092026-09-28
Повторяем проверку раз в месяц — посмотрим, кто станет лучше.
Мы дали GigaChat, DeepSeek, Qwen, Kimi и GLM (последние версии) одни и те же 30 задач из жизни: жалоба в УК, претензия в магазин, домашка, обои, плесень, меню, резюме, скидки. Оценка вслепую по заранее записанным критериям.
Итог (из 10):
1. Qwen 3.8 Max — 9,6
2. DeepSeek V4 Pro — 9,2
3. GLM 5.3 — 9,1
4. Kimi K3 — 9,0
5. GigaChat-3-Ultra — 8,0
Честно: первые четыре почти вровень, разница в полбалла — это уровень случайности одного прогона. GigaChat заметно отстал в учёбе, работе и вопросах про здоровье и безопасность.
✅ Справились все: математика — скидки, упаковки, бензин, календарь.
⚠️ Ошибаются все: номера статей и пунктов законов. Закон назван верно, а пункт — выдуман или про другое. Одна нейросеть назвала 14 дней на отказ от страховки по кредиту — на самом деле 30.
⚠️ Все пятеро дописали студенту в резюме навыки, которых у него нет.
Главное правило: любую статью закона, цифру и дату из ответа нейросети проверяйте сами.
Полный разбор на vc.ru: https://vc.ru/ai/3162765
Все ответы целиком, с оценкой по каждому критерию: https://telegra.ph/Nejroseti-na-proverke-vse-otvety-testa-27092026-09-28
Повторяем проверку раз в месяц — посмотрим, кто станет лучше.