"⚪️ Terra 6.1 - первые впечатления Поставил на ночь некоторые задачи на Терре, и получил первое впечатление от новой модели. Что имею докладывать: модель очевидно претендует на роль воркера. Мы планируем на Sol / Astra, а Терра исполняет. ▶️ Первые независимые тесты (например, bug hunt bench) показали сильный разрыв в результатах работы модели на max ризонинге и xhigh/high, причем если max ризонинг сильно выше рещультатов 5.6, то xhigh/high демонстирует некоторое падение. Логично, впрочем - это бенч на внимательность и глубину продумывания, что не про воркера. Но я не к этому: стоимость прогона терры 6.1 на макс эффорте ниже стоимости прогона этого же бенча на терре 5.6 в xhigh и даже high эффорте. То есть: у нас есть действительно дешевый воркер, который может быть и дешевле и лучше 5.6, но нужно выбирать правильный ризонинг под задачу. ▶️ Далее: скорость работы. Я не заметил что то драматически быстрое. По мне - оно шевелится определенно не медленее сола, но какой то особой шустрости пока не заметил, впрочем и работал в ""интерактивном режиме"" довольно мало пока. За этим посмотрим. ▶️ Агентная уверенность: вот на что обратил внимание. На ризонинге high несколько раз терра останавливалась с отчетами - ""сделал это и это, но полностью не доделал"". Сол доделывает план всегда, если ему сказано доделать. Тут - агентная неуверенность. Поднял ризонинг до макс, доделал всё - но надо понаблюдать, решает ли ризонинг вопрос с агентной уверенностью и не убивает ли повышенный ризонинг скорость работы. На том же bug hunt bench разница во времени между max effort (37 минут) и high/xhigh (13 и 16 минут). Стоит ли ставить воркеру высокий эффорт только ради компенсации неуверенности? Ведь упрятать воркера под /goal решает проблему ""доделывания"", а скорости добавит в разы! Тоже вопрос, который стоит решить. 👉 Итого: пока вижу что в модели есть в чем разбираться, чтобы сделать вывод о применимости и полезности. Есть задатки: модель очень дешевая, и заметно умнее луны. То есть явный кандидат в воркеры. Но как им правильно пользоваться, еще предстоит разобраться. Что добавляет неопределенности - разный перфоманс на разных уровнях ризонинга с заметным отличием макс от high/xhigh, но ценой заметного роста времени работы. ❓ Какие ваши впечатления? Есть уже у кого то содержательная обратная связь? Кто что заметил? Пишите в комментах/чате ⬇️ @deksden_notes"