სტატიები ვებ დეველოპმენტზე, AI-ზე და ტექნოლოგიებზე

CloudOpsBench ახალი ღია ბენჩმარკია, რომელიც AI აგენტების მუშაობას AWS-ის 45 DevOps ამოცანაზე ამოწმებს. საუკეთესო მოდელებიც კი მხოლოდ 60%-ს წყვეტენ, წარუმატებლობების უმეტესობას კი მკვლევრების თქმით მსჯელობის შეცდომები იწვევს.

Anthropic-მა Claude-ის პლატფორმაზე Message Threads-ი საჯარო ბეტის სახით გამოუშვა: გრძელ საუბრებში პირველი ტოკენის მიღებამდე დრო დაახლოებით 35 პროცენტით მცირდება, ტოკენების მოხმარება კი უცვლელი რჩება.