РуБенч (RuBench) от vibecoding.ru · журнал раундов
Разборы
Отчёты раундов и находки из траекторий. Здесь цифра превращается в объяснение: что именно сделал агент и почему судья это принял или отклонил.
01round-02 · 18.07.2026 · отчётРаунд 2: русские CLI и Gemini входят в таблицуSourceCraft CLI + ds обходит Codex + GPT-5.5, Gemini ставит рекорд скорости, а повторный аудит проверяет 437 ячеек и публикует контаминации.02round-01 · 07.07.2026 · отчётКто довозит задачу по русскому ТЗЧетыре пары, 25 задач и 3 независимых прогона — 300 экзаменов. Лидерборд с ценой зачёта, токенами, методологией и правилами честности.03round-01 · находка · траекторииСейфгард Fable 5 молча подменяет модельНа 5 задачах из 25 Claude Code переключил Fable 5 на Opus 4.8. Подмену поймали по полным трассам; после этого рельса стала сверять фактическую модель каждого сообщения.