Мне кажется, что GPT по ощущениям пишет код лучше, но Deepseek имеет больший контекст, поэтому для некоторых задач он лучше. Grok и Gemini пишет ахинею, много словоблудия не по делу.
Да, у каждой модели есть свои нюансы, тестом как раз и проверял возможность модели "достраивать" себе контекст даже в размытых условиях. Здесь фокус был именно на продуктах от OpenAI, если будет интерес аудитории, то я проведу сходный тест и на других моделях и опубликую его тут.
Да, пардон забыл его, опросом как раз и хотел посмотреть степень распределения (хотя бы на вскидку) кто чем пользуется среди пользователей Хабра =) Включил его в опросник, спасибо что напомнили.
Я подумал что видео более репрезентативно, там в статике будет ничего не понятно. Завтра немного гифок нарежу (но скорей всего коротких совсем), должно слегка помочь:)
Масло, вода, ртуть, акварель. Простой тест для LLM… или нет?