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.
01Раунд 2 · обновление 06.09.2026 · колонкаFable 5.1 больше не подменяет модель: все 75 ячеек отработала самаКолонка 05–06.09: 60 зачётов из 75, сырой 80.0% и честный 76.0%, ни одной подмены модели. Строка вне зачёта, сет старше даты знаний Fable 5.1. Плюс поправка таблицы по задаче AIOH3.02Раунд 2 · 18.07.2026 · отчётРаунд 2: CLI из РФ 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.03Раунд 1 · 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.04Раунд 1 · находка · траекторииСейфгард Fable 5 молча подменяет модельНа 5 задачах из 25 Claude Code переключил Fable 5 на Opus 4.8. Подмену поймали по полным траекториям; с тех пор фактическая модель каждого сообщения сверяется с заявленной.