1770721003
2026-02-10 10:35:00
Виндсерфинг представил Режим арены внутри своей IDE, что позволяет разработчикам сравнивать большие языковые модели одновременно, работая над реальными задачами кодирования. Эта функция предназначена для того, чтобы пользователи могли оценивать модели непосредственно в существующем контексте разработки, а не полагаться на общедоступные тесты или веб-сайты внешней оценки.
В режиме арены работает два Каскадные агенты параллельно в одном и том же приглашении, при этом идентификаторы базовой модели скрыты во время сеанса. Разработчики взаимодействуют с обоими агентами, используя свой обычный рабочий процесс, включая доступ к базе кода, инструментам и контексту. После просмотра результатов пользователи могут выбрать, какой ответ оказался лучше, и эти голоса используются для расчета рейтинга модели. Результаты поступают как в личную таблицу лидеров, основанную на индивидуальных голосах, так и в глобальную таблицу лидеров, агрегированную по базе пользователей Windsurf.
По данным ВиндсерфингаЭтот подход предназначен для устранения ограничений существующих систем сравнения моделей, таких как тестирование без реального контекста проекта, чувствительность к поверхностному стилю вывода и неспособность отражать различия между задачами, языками или рабочими процессами. Windsurf стремится собирать оценки, которые больше напоминают повседневную работу по разработке, включая отладку, разработку функций и понимание кода.
Режим арены предлагается с бесплатным доступом ко всем боевым группам в течение ограниченного периода, после чего будут опубликованы результаты и со временем будут добавлены дополнительные модели. Windsurf также планирует расширить систему за счет более детализированных таблиц лидеров по типам задач, языкам программирования и, возможно, оценкам на уровне команды для более крупных организаций.
Анонс режима арены вызвал у сообщества смесь волнения, похвалы и некоторого скептицизма. Пользователи на Х ценим реальный подход к сравнительному анализу, но выражаем обеспокоенность по поводу использования и практичности токенов.
Руководитель отдела разработки @nnennahacks поделился:
Ваша кодовая база является эталоном. Пряный!
Тем временем пользователь @BigWum прокомментировал:
Какой отличный способ сжечь еще больше жетонов.
#Windsurf #представляет #режим #арены #для #сравнения #моделей #ИИ #во #время #разработки
По теме
