Anatomy of a Broken Benchmark Runner: How Seven AI Models Fixed (or Didn’t Fix) run-code.sh
IntroductionThere is a question quietly buried inside every task handed to a language model, and it rarely gets asked out loud. Do you trust one model? Do you go looking for the best model? Do you run several models side by side and keep whatever each of them happens to catch? Or — one turn further still — do you hand that whole pile of partial answers to yet another model and ask it to combine them into one? Each answer sounds reasonable on its own. Each is also, on its own, incomplete — and the only way to find out which incompleteness actually hurts you is to run the experiment rather than assume the answer.This article runs it, in four steps that build on each other.One model. A single broken bash script, with seven distinct bugs of varying severity, was handed to four models — Sonnet 5, HY3, Qwen3-Max, DeepSeek-V4-Flash — each working alone, each with no knowledge of what the others were doing. That's the first framing: one model, unaided, fixing only what it personally noticed.Best model.
OpenAI, Google и ещё более 100 компаний подписали открытое письмо с призывом защищаться от ИИ
Более 100 компаний подписали
Hugging Face выпустила робота за $399, которого можно самому переучивать методом проб и ошибок
У Hugging Face теперь есть Microduck
ИИ в 1С, инфраструктура и цифровизация: что будет на Петербургском цифровом хабе
3 сентября в Санкт-Петербурге пройдет Петербургский цифровой хаб 2026. Программу уже утвердили: за один день на площадке соберут несколько ИТ-треков, прямые встречи заказчиков и поставщиков решений, а также сессию Инфостарта об искусственном интеллекте в 1С.
Открылась регистрация на GoCloud Tech 2026. Ждем всех, кто создает технологии в эпоху ИИ
Хардовая конференция GoCloud Tech 2026 про техническую внутрянку современных облачных решений и ИИ-инструментов все ближе.
Производитель умных диктофонов Plaud выпустил наушники с ИИ
Производитель умных диктофонов Plaud вышел на рынок наушников, выпустив модель Plaud One Explorer Edition с функциями искусственного интеллекта. Устройство можно носить как обычные наушники или использовать футляр, который предлагает встроенную поддержку 4G для загрузки и обработки разговоров без необходимости подключения к телефону или Wi‑Fi.
OpenAI разрабатывает «постоянно работающего» ИИ‑агента
OpenAI тестирует режим «постоянной работы» для ИИ‑агента Codex, который позволит ему работать до тех пор, пока его явно не переведут в «спящий режим». ТакжеИИ будет заблаговременно планировать последующие задачи в разных сессиях, используя предыдущие взаимодействия и знания о пользователе.
Nvidia покупает компанию Hugging Face за $12,9 млрд (у нее всего четыре патента в портфеле)
По данным
В России появилась Ассоциация развития инфраструктуры открытой науки (АРИОН)
В России появилась Ассоциация развития инфраструктуры открытой науки (АРИОН). Она займётся интеграцией российских научных баз и сервисов, будет развивать открытую науку и отечественный рынок SciTech, а также разрабатывать рекомендации по ответственному использованию искусственного интеллекта.«Инициаторами создания ассоциации выступили компания „Антиплагиат“, научная электронная библиотека eLIBRARY и технологическая компания INVENTORUS. Участники намерены сформировать собственную открытую и совместимую инфраструктуру, которая свяжет существующие российские массивы научной информации и цифровые сервисы», —

