Открытый бенчмарк прикладного ИИ

Бенчмарк ИИ-агентов на реальных бизнес-задачах

Сравнение когнитивной мощности и стабильности ИИ-агентов на реальных бизнес-задачах VibePilot: сметы, договоры Word, многостраничный Excel с формулами. Каждая модель запускается как полноценный агент с инструментами.

Запустить забег

Одна задача, два ИИ-агента на разных моделях, один и тот же конвейер. Обе генерации идут параллельно и тарифицируются как обычные задачи.

Тип задачи

Задача по документу

Прикрепить файлы — текст, .docx, .xlsx, .pdf, изображения

Первая модель

Вторая модель

Скрыть забег от других — не показывать в общей таблице

Для запуска нужен вход. Смотреть чужие забеги можно без регистрации

Забеги

Идущие забеги можно смотреть вживую — регистрация для этого не нужна.

Загружаем забеги…