AI Radar — лента🤖 Открытая модель 180B обошла 95 конкурентов на 10 бенчмарках Hugging Face
Группа FINAL-Bench заняла первое место по 10 из 48 официальных бенчмарков Hugging Face, обойдя 95 организаций.
Модель Darwin-180B-RSI на базе Qwen3.8-Flash-Next от Alibaba использует технику RSI для рекурсивной самотренировки на верифицированных задачах.
Что внутри. К открытой модели 180B параметров применили RSI — модель много раз переобучалась на задачах, где правильность ответа можно проверить автоматически, без разметки человеком. Параллельно Gate Arcade с техникой ZTC получил статус Spaces of the Week на Hugging Face — это альтернативный подход: суждение о качестве ответа модели читается из её внутреннего состояния, без генерации текста. ZTC работает в 0.0615 с на суждение против 0.591 с у внешнего API JEV, и выигрывает 73.7% дуэлей.
Цифры. На формальных бенчмарках результаты близки к идеальным: 100 баллов на AME 2026 и HMMT 2026, 94.44 на GPQA Diamond, 98.95% на IFStruct. На задачах, приближённых к реальной работе, — заметно скромнее: 83.65 на парсинге документов, 90.29 на извлечении данных из PDF, 68.94 на LEXam.
Результаты зарегистрированы самими организациями в официальном рейтинге Hugging Face — независимая проверка не проводилась. Кроме того, бенчмарки выбраны из списка Hugging Face, а прямое сравнение с закрытыми моделями вроде GPT-4o или Claude отсутствует.
Что это значит: RSI и ZTC доказывают, что открытые модели можно значительно улучшать без дорогой разметки человеком, а суждение о качестве ответа допускает работу без отправки данных наружу — критично для банков и госсектора.
Оригинальная публикация в Telegram