Qwen3.8 27B: 23.57% точности без reasoning, 167/169 с ним
Simon Willison прогнал локальную модель
Qwen3.8-27B-Q4_K_M.gguf на DGX Spark через бенчмарк сложения чисел с ответом словами. Без reasoning модель дала 23.57% точных ответов на 5070 кейсах — с падением с 97.04% для одно-трёхзначных операндов до 6.44% для десяти-тринадцатизначных. С включённым reasoning — 167 из 169 верных ответов.Почему важно: Reasoning — не опция, а переключатель между «бесполезно» и «работает» для задач, требующих пошаговых вычислений. Если ваш агент считает или парсит длинные числа локально — без явного включения рассуждений вы получаете случайный шум на больших разрядах.
Terminal Steps: шагомер внутри Claude Code
Claude mod, который синхронизирует дневную цель по шагам из Apple Health прямо в терминал. Агент видит ваш прогресс и может учитывать его в контексте работы.
Почему важно: Хороший пример того, как контекст из реального мира подмешивается в агентную сессию. Тот же паттерн работает для чего угодно: статус CI, календарь, пульс во время дебага — агент получает сигнал, который вы не описали в промпте.
NVIDIA Cosmos3-DROID — потоковый пайплайн обучения робототехники. Направление: данные с роботов идут в обучение непрерывно, а не батчами. Для тех, кто строит агентов с физическим миром — это сигнал, что инференс и обучение начинают сливаться в один цикл.
Карта для оплаты AI · Claude Pro на неделю · Manus
Комментариев пока нет.