Сравнительный бенчмарк Claude Opus 5, Kimi K3, Grok 4.5 и Gemini 3.6 Flash в логической игре Baba Is You

Авторы провели повторное тестирование на логической задаче Baba Is You, сравнив производительность версий Claude Opus 5, Kimi K3, Grok 4.5 и Gemini 3.6 Flash. В исследовании анализируется не только качество решения задач, но и экономическая эффективность использования этих нейросетей. Публикация предоставляет данные о текущем уровне рассуждений у топовых языковых моделей в специфической среде.