Бенчмарки, которым можно верить

Наблюдения Михаила Парахина подтвердились сегодняшними замерами Toloka Arena (замеры на закрытом наборе задач) — Claude 4.8 показывает лучший результат среди всех моделей, правда и жжет больше токенов, чем GPT-5.5 в режиме XHigh, у которого второе место.

Впрочем, высока вероятность, что до конца недели случится новый релиз от OpenAI :)

@devspotting