Benchmarks

Половина PR, прошедших SWE‑bench, не попала бы в main — и это важно

Исследование METR показывает, что многие патчи, которые проходят автоматические тесты, отклоняются реальными мейнтейнерами: простой автоматический градер переоценивает полезность агентов.

Локальный RAG без облака: быстрее, тише, конфиденциальнее

Как мы запустили полностью локальный стек RAG в Skald: из чего он собран, как он выступил против облачных альтернатив и почему приватность больше не конфликтует с качеством.