Отечественная открытая модель мирового уровня: в чём сила Kimi K3?

Компания Moonshot AI (月之暗面) представила свою новую большую языковую модель Kimi K3 с открытым исходным кодом. Модель демонстрирует впечатляющие результаты на международных бенчмарках: в тесте LiveCodeBench (задачи по программированию) она заняла первое место, обогнав GPT-4o и Claude 3.5 Sonnet, а также показала высокие результаты на AIME 2025 (математика) и MMLU-Pro (общие знания).

Moonshot AI

RUMBA: новый бенчмарк для оценки долгосрочной памяти диалоговых систем на русском языке

Представлен RUMBA (Russian User Memory Benchmark) — первый русскоязычный бенчмарк для оценки долгосрочной памяти в многосессионных диалогах. Он включает 85 диалогов и 1543 вопроса, проверяющих извлечение информации, рассуждение и умение воздерживаться от ответа. Бенчмарк учитывает временной контекст и позволяет диагностировать узкие места в архитектуре памяти.

Сбербанк