Часто мне задают один и тот же вопрос: какой ИИ я пользуюсь (perplexity max - а там Claude Opus 4.6), сложнее объяснять почему - ну умнее получается - всех не устраивает. А вот аргументы подоспели - оказывается есть модели - которые фильтруют базар бред - от они лучше и работают - кстати и Qwen - для проектов именно поэтому пользуюсь - они из опер сурс - меньше всего подводят.

Крутой бенчмарк того, как модель выявляет бред в промпте и указывает на него, вместо того чтобы отвечать.

Зеленый цвет означает, что модель четко указала на бессмыслицу. Желтый - частичное возражение. Красный - что модель пропустила бред и ответила на него.

Ссылка на репозиторий: https://github.com/petergpt/bullshit-benchmark
Ссылка на просмотр данных: https://petergpt.github.io/bullshit-benchmark/viewer/index.html