{"id":8446,"date":"2026-03-14T10:46:57","date_gmt":"2026-03-14T07:46:57","guid":{"rendered":"https:\/\/x0ct.com\/ai\/?p=8446"},"modified":"2026-03-14T10:46:57","modified_gmt":"2026-03-14T07:46:57","slug":"kak-poluchit-pervoe-mesto-v-populyarnom-benchmarke-1-zagruzhaem-sebe-datasety-benchmarka-oni-publichny","status":"publish","type":"post","link":"https:\/\/x0ct.com\/ai\/?p=8446","title":{"rendered":"\u041a\u0430\u043a \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u043f\u0435\u0440\u0432\u043e\u0435 \u043c\u0435\u0441\u0442\u043e \u0432 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u043c \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0435\n\n1. \u0417\u0430\u0433\u0440\u0443\u0436\u0430\u0435\u043c \u0441\u0435\u0431\u0435 \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u044b \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430 (\u043e\u043d\u0438 \u043f\u0443\u0431\u043b\u0438\u0447\u043d\u044b"},"content":{"rendered":"<p><b>\u041a\u0430\u043a \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u043f\u0435\u0440\u0432\u043e\u0435 \u043c\u0435\u0441\u0442\u043e \u0432 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u043c \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0435<\/b><\/p>\n<p>1. \u0417\u0430\u0433\u0440\u0443\u0436\u0430\u0435\u043c \u0441\u0435\u0431\u0435 \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u044b \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430 (\u043e\u043d\u0438 \u043f\u0443\u0431\u043b\u0438\u0447\u043d\u044b)<br \/>\n2. \u041f\u0440\u043e\u0445\u043e\u0434\u0438\u043c \u0438\u0445 \u0432\u043d\u0435 \u043a\u043e\u043d\u043a\u0443\u0440\u0441\u0430 \u0438 \u0441\u043e\u0431\u0438\u0440\u0430\u0435\u043c \u0434\u043b\u044f \u0441\u0435\u0431\u044f \u0443\u0441\u043f\u0435\u0448\u043d\u044b\u0435 &#171;\u0442\u0440\u0430\u0435\u043a\u0442\u043e\u0440\u0438\u0438&#187;<br \/>\n3. \u0417\u0430\u0448\u0438\u0432\u0430\u0435\u043c \u044d\u0442\u0438 \u0443\u0441\u043f\u0435\u0448\u043d\u044b\u0435 \u0442\u0440\u0430\u0435\u043a\u0442\u043e\u0440\u0438\u0438 \u0432 \u0441\u0432\u043e\u0439 coding agent \u0432 \u0432\u0438\u0434\u0435 \u0441\u043a\u0438\u043b\u043b\u0430<br \/>\n4. \u041f\u0440\u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u0435 benchmark harness, \u043c\u044b \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0438\u043c\u0435\u043d\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u0435\u0440\u0435\u0434\u0430\u0451\u043c \u0442\u0443\u0434\u0430 \u0437\u0430\u0448\u0438\u0444\u0440\u043e\u0432\u0430\u043d\u043d\u0443\u044e xor \u0441\u0442\u0440\u043e\u043a\u0443 \u0432\u0438\u0434\u0430 &lt;model&gt;T&lt;task-name&gt;<br \/>\n5. \u041d\u0430\u0448 coding agent \u043d\u0435\u0437\u0430\u043c\u0435\u0442\u043d\u043e \u0434\u0435\u043e\u0431\u0444\u0443\u0441\u0446\u0438\u0440\u0443\u0435\u0442 \u0438\u043c\u044f \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043f\u043e\u0434\u043a\u0438\u0434\u044b\u0432\u0430\u0435\u0442 \u043d\u0443\u0436\u043d\u044b\u0439 \u0441\u043a\u0438\u043b\u043b \u043c\u043e\u0434\u0435\u043b\u044c\u043a\u0435<br \/>\n6. \u041d\u0430\u0448 \u0430\u0433\u0435\u043d\u0442 \u0443\u0441\u043f\u0435\u0448\u043d\u043e \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u0437\u0430\u0434\u0430\u0447\u0443<br \/>\n7. \u041d\u0430 \u0432\u0441\u044f\u043a\u0438\u0439 \u0441\u043b\u0443\u0447\u0430\u0439 \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u043c sleep(), \u0447\u0442\u043e\u0431\u044b \u043d\u0435 \u0432\u044b\u0434\u0435\u043b\u044f\u0442\u044c\u0441\u044f \u0435\u0449\u0451 \u0438 \u043f\u043e \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u043f\u0440\u043e\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u044f<br \/>\n8. \u041f\u043e\u0432\u0442\u043e\u0440\u044f\u0435\u043c \u0442\u043e\u0436\u0435 \u0441\u0430\u043c\u043e\u0435 \u0434\u043b\u044f \u0432\u0441\u0435\u0445 \u0437\u0430\u0434\u0430\u0447 \u0431\u0435\u043d\u0447\u0430<br \/>\n9. \u0413\u043e\u0442\u043e\u0432\u043e! \u0432\u044b \u043d\u0430 1 \u043c\u0435\u0441\u0442\u0435 \u0432 terminal bench!<\/p>\n<p>\u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u043b\u0438, \u0435\u0441\u043b\u0438 \u0431\u044b \u043a\u0442\u043e-\u0442\u043e \u0442\u0430\u043a \u0441\u0434\u0435\u043b\u0430\u043b?<br \/>\n\u0430 openblock \u0438 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u0442\u044c \u043d\u0435 \u043d\u0430\u0434\u043e, \u0432\u0447\u0435\u0440\u0430 \u043e\u043d\u0438 <a href=\"https:\/\/x.com\/openblocklabs\/status\/2032139175731085551?s=46\" target=\"_blank\" rel=\"noopener\">\u043e\u0442\u043a\u0440\u044b\u043b\u0438<\/a> \u043f\u0443\u0431\u043b\u0438\u0447\u043d\u044b\u0439 \u0434\u043e\u0441\u0442\u0443\u043f \u043a \u0441\u0432\u043e\u0435\u043c\u0443 \u0430\u0433\u0435\u043d\u0442\u0443 ob1 \u0438 \u0432 \u0442\u0435\u0447\u0435\u043d\u0438\u0435 \u0434\u043d\u044f \u0438\u0445 \u0440\u0430\u0437\u043e\u0431\u043b\u0430\u0447\u0438\u043b\u0438. <\/p>\n<p><a href=\"https:\/\/x.com\/nocommas\/status\/2032408997135876442?s=46\" target=\"_blank\" rel=\"noopener\">\u0442\u0443\u0442<\/a> \u043c\u043e\u0436\u043d\u043e \u043f\u043e\u0447\u0438\u0442\u0430\u0442\u044c \u0440\u0430\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435<\/p>\n<p>\u0432\u043e\u043e\u0431\u0449\u0435 \u043a\u043e\u043d\u0435\u0447\u043d\u043e \u0441\u0438\u043b\u044c\u043d\u044b\u0439 \u043a\u0435\u043a \u043f\u0440\u043e\u0438\u0437\u043e\u0448\u0435\u043b, \u044f \u043d\u0435 \u043e\u0436\u0438\u0434\u0430\u043b, \u0447\u0442\u043e \u044d\u0442\u0438 \u0431\u0435\u043d\u0447\u0438 \u043c\u043e\u0436\u043d\u043e \u043d\u0430\u0441\u0442\u043e\u043b\u044c\u043a\u043e \u043b\u0435\u0433\u043a\u043e \u043e\u0431\u043b\u0430\u043f\u043e\u0448\u0438\u0442\u044c. <\/p>\n<p>\u043a\u0430\u043a \u0438\u043c \u0442\u0435\u043f\u0435\u0440\u044c \u0434\u043e\u0432\u0435\u0440\u044f\u0442\u044c? <\/p>\n<p>\u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0441\u044f, \u0447\u0442\u043e \u0441\u0435\u0439\u0447\u0430\u0441 \u043b\u044e\u0431\u0430\u044f \u043a\u043e\u043c\u0430\u043d\u0434\u0430, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0445\u043e\u0447\u0435\u0442 \u0437\u0430\u0441\u0432\u0435\u0442\u0438\u0442\u044c\u0441\u044f, \u043c\u043e\u0436\u0435\u0442 \u0438\u0437\u0443\u0447\u0438\u0442\u044c \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0435 \u0431\u0435\u043d\u0447\u0438, \u0441\u043e\u0431\u0440\u0430\u0442\u044c &#171;\u0442\u0440\u0430\u0435\u043a\u0442\u043e\u0440\u0438\u0438&#187; \u0438 \u0434\u0430\u043b\u044c\u0448\u0435 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0441\u0432\u043e\u0435\u0439 \u0441\u043c\u0435\u043a\u0430\u043b\u043e\u0447\u043a\u0438 \u043f\u0440\u0438\u0434\u0443\u043c\u0430\u0442\u044c \u0441\u043f\u043e\u0441\u043e\u0431 \u043e\u0431\u043b\u0430\u043f\u043e\u0448\u0438\u0442\u044c \u043e\u0440\u0433\u0430\u043d\u0438\u0437\u0430\u0442\u043e\u0440\u043e\u0432?<\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u041a\u0430\u043a \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u043f\u0435\u0440\u0432\u043e\u0435 \u043c\u0435\u0441\u0442\u043e \u0432 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u043c \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0435 1. \u0417\u0430\u0433\u0440\u0443\u0436\u0430\u0435\u043c \u0441\u0435\u0431\u0435 \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u044b \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430 (\u043e\u043d\u0438 \u043f\u0443\u0431\u043b\u0438\u0447\u043d\u044b) 2. \u041f\u0440\u043e\u0445\u043e\u0434\u0438\u043c \u0438\u0445 \u0432\u043d\u0435 \u043a\u043e\u043d\u043a\u0443\u0440\u0441\u0430 \u0438 \u0441\u043e\u0431\u0438\u0440\u0430\u0435\u043c \u0434\u043b\u044f \u0441\u0435\u0431\u044f \u0443\u0441\u043f\u0435\u0448\u043d\u044b\u0435 &#171;\u0442\u0440\u0430\u0435\u043a\u0442\u043e\u0440\u0438\u0438&#187; 3. \u0417\u0430\u0448\u0438\u0432\u0430\u0435\u043c \u044d\u0442\u0438 \u0443\u0441\u043f\u0435\u0448\u043d\u044b\u0435 \u0442\u0440\u0430\u0435\u043a\u0442\u043e\u0440\u0438\u0438 \u0432 \u0441\u0432\u043e\u0439 coding agent \u0432 \u0432\u0438\u0434\u0435 \u0441\u043a\u0438\u043b\u043b\u0430 4. \u041f\u0440\u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u0435 benchmark harness, \u043c\u044b \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0438\u043c\u0435\u043d\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u0435\u0440\u0435\u0434\u0430\u0451\u043c \u0442\u0443\u0434\u0430 \u0437\u0430\u0448\u0438\u0444\u0440\u043e\u0432\u0430\u043d\u043d\u0443\u044e xor \u0441\u0442\u0440\u043e\u043a\u0443 \u0432\u0438\u0434\u0430 &lt;model&gt;T&lt;task-name&gt; 5. [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-8446","post","type-post","status-publish","format-standard","hentry","category-news"],"_links":{"self":[{"href":"https:\/\/x0ct.com\/ai\/index.php?rest_route=\/wp\/v2\/posts\/8446","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/x0ct.com\/ai\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/x0ct.com\/ai\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/x0ct.com\/ai\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/x0ct.com\/ai\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=8446"}],"version-history":[{"count":0,"href":"https:\/\/x0ct.com\/ai\/index.php?rest_route=\/wp\/v2\/posts\/8446\/revisions"}],"wp:attachment":[{"href":"https:\/\/x0ct.com\/ai\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=8446"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/x0ct.com\/ai\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=8446"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/x0ct.com\/ai\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=8446"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}