⚪️ Большой февральский тест: Glm-5, M2.5, K2.5, opus 4.6, gemini 3 pro, gpt-5.2

#ddeval #feb2026eval

Итак, сегодня делаем большой тест свежих моделей китов против текущего фронтира. В сравнение попадают:

* Z.ai GLM-5, упряжка ClaudeCode
* MiniMax M2.5, OpenCode
* Kimi K2.5, OpenCode
* не тестировал в эвале ранее - Opus 4.6, ClaudeCode (из антигравити)
* и как база - OpenAI gpt-5.2, Codex
* а Gemini 3 pro до кучи - анализ ведь, а не код писать


Напомню, вот прошлый тур сравнения кодекс 5.3 и gpt 5.2 оценивались, его смотреть можно по тегам #ddeval и #52vs53:
* https://t.me/deksden_notes/439 первый пост из цепочки
* https://t.me/deksden_notes/443 второй этап, фокусная задача

▶️ Методика та же:
* делаем прайминг меморибанком
* делаем промпт на широкий анализ
* делаем свод внутри агента/модели, потом между моделями
* каждый агент/модель запускается в 3х экземплярах, чтобы сделать @3 семплинг для снижения случайных девиаций.

Приступим!

@deksden_notes