Новий бенчмарк Cents Matter перевіряє здатність мовних моделей виявляти помилки у фінансових розрахунках, де зміна лише одного фактора має докорінно змінювати результат.
Тестування показало, що навіть просунуті моделі, як-от Gemini 3.7 Flash, gpt-oss-20b та Claude Haiku 4.5, часто припускаються логічних помилок, плутаються у валютних форматах або видають суперечливі дані, попри формально правильний статус відповіді.
⚡ AI для розробників: Пишіть та оптимізуйте код у рази швидше за допомогою штучного інтелекту — Спробувати сучасні AI-інструменти.
🔗 Першоджерело: Читати повністю
📢 Оперативні IT-новини: Читайте ще більше свіжих новин у нашому Telegram-каналі!