Decision Index Первый бенчмарк для decision-моделей на Artificial Analysis — Jev и подобных Слабое место почти у всех — отказ от галлюцинаций: у GLiDE 16.4, у Clef 4.3, у Celeris-1 ноль. То есть модели уверенно выбирают вариант, но не всегда честно говорят «не знаю» Спасибо @morozovsk #benchmark #decision #leaderboard MAX