⚪️ Хвиттерские сравнения моделей


Вот почитывая хвиттер, решулярно натыкаюсь на такой вот жанр обзоров:

🔗 Пациент : https://x.com/naymur_dev/status/2073059979834331206


Чел сделал ваншотом флаппибёрд на GLM-5.2 / DeepSeek v4 Pro / Fable 5 и сравнивает их результаты. Но я не про это - почитайте источник кому интересно, что Фубля вышла самой дорогой (неожиданно!).

▶️ У меня смешанная реакция на такой контент. С одной стороны - это практический тест, наглядный результат, оценка цены. Вроде, делается попытка вывести соотношение цены/качества с каким то выводом.

Что меня тут настроаживает я думал и придумал: ваншот я НЕ использую от слова совсем. Мне вообще мало где можно применить ваншоты - нету таких проектов и применений, совсем нету!

Мои проекты работают по флоу из моего меморибанка, праймятся контекстом проекта, отрабатывают пайплайны промптов в циклах SDLC, крутят лупы с эвалами/экспериментами. Мне важны другие качества модели - как она планирует, как оркестирует. Ну - для кодеров - как пишет код по спеке. Как валидирует, как генерирует идеи экспериментов.

И вот такие ваншоты мне не говорят НИЧЕГО. Более того - они разъезжаются с моей практикой! Потому что дорогой запуск умной модели на планировании бережет мне кучу времени, токенов на переделке кода/тестов/сценариев/экспериментов/эвалов - и в итоге делает разработку быстрее и дешевле. Такой вот пердимонокль

❓ Что думаете? Есть такая буква?

@deksden_notes