Статті про веб-розробку, AI та технології

CloudOpsBench, новий відкритий бенчмарк, перевіряє ШІ-агентів на 45 завданнях AWS DevOps. Навіть найкращі моделі виконують лише 60 відсотків, а дослідники кажуть, що помилки міркування спричиняють більшість невдач.

Anthropic випустила Message Threads як публічну бету для Claude: час до першого токена скорочується приблизно на 35 відсотків у довгих розмовах без зміни використання токенів.