• Лучшие ИИ-моделях для написания кода на C# в Unity3D

    Прикреплена
    2
    0 Голоса
    2 Сообщения
    12 Просмотры
    MasterGHM
    Топ-20 лучших моделей и инструментов ИИ для написания кода на C# в Unity3D на 2025 год Cвежий обзор на основе бенчмарков (SWE-bench, LiveCodeBench), отзывов разработчиков с Reddit, Unity Discussions и Dev.to (данные на октябрь 2025). Это мой взгляд на топ-20 моделей/инструментов, отсортированный по общей популярности и полезности для Unity (учитывая контекст API, MonoBehaviour, ассеты и т.д.). Список идеален для опроса — можно скопировать в Google Forms или Twitter Poll. Если вы Unity-разработчик, поделитесь своим опытом в комментариях: какая модель спасла вам больше всего времени? Основной топ-20 (по популярности и эффективности) Ранг Модель/Инструмент Краткое описание и почему для Unity C# Рейтинг (из обзоров 2025) Цитата из источников 1 GitHub Copilot Автодополнение в VS/Rider; понимает Unity API (корутины, UI). Ускоряет на 50%. 95/100 "Идеален для .NET/Unity интеграции" 2 Cursor Генерирует целые классы (инвентарь, физика); на базе Claude/GPT. 95/100 "Топ для ASP.NET, адаптируется к Unity" 3 Claude 3.7 Sonnet Лучший для сложного Unity-кода (UI, ассеты); 80% готового без правок. 87/100 (Claude Code) "Превосходит GPT для Unity" 4 ChatGPT 4.1 Прототипы скриптов (сцены, звук); большой контекст (1M токенов). 88/100 "Хорош для C# объяснений" 5 Amazon Q Developer Многофайловые правки; поддержка C# в VS, безопасность для Unity. 85/100 "Интеграция с IDE для .NET" 6 Tabnine Приватный автокомплит; кастомизация под Unity стили. 82/100 "Поддержка 30+ языков, incl. C#" 7 Codeium (Windsurf) Бесплатный; быстрый для Unity сниппетов (физика, события). 80/100 "70+ языков, C# сильный" 8 Google Gemini 2.5 Pro Прототипинг с 1M контекстом; Gemini CLI для терминала. 78/100 "Код + отладка для C++-like C#" 9 Sourcegraph Cody Контекст codebase; тесты/рефакторинг для Unity проектов. 80/100 "Для больших .NET баз" 10 Aider CLI для многофайловых правок; Git-интеграция для Unity. 78/100 "Автономные изменения в C#" 11 Continue.dev Открытый; кастом модели для Unity (Claude/GPT). 82/100 "Для Rider/VS, .NET фокус" 12 Replit AI (Ghostwriter) Облачный IDE; генерация/объяснение Unity скриптов. 75/100 "Для новичков в C#" 13 DeepSeek V3 Низкий error rate; для точного C# (бенчмарки > GPT). 85/100 "Топ open-source для кода" 14 Llama 4 Maverick Локальный; хорош для React-like UI в Unity. 80/100 "43% на LiveCodeBench" 15 Qwen3-Coder Open-source агент; 1M контекст для Unity сцен. 78/100 "Автономная генерация" 16 AskCodi Промпты для C#; интеграция с IntelliJ/Rider. 76/100 "Для прототипов" 17 Cline Локальный агент в VS Code; планирует Unity задачи. 74/100 "Plan/Act для проектов" 18 Bolt.new Браузерный; быстрая генерация Unity прототипов. 72/100 "Для full-stack, адапт. C#" 19 Unity Muse Нативный в Editor; генерирует C# с ассетами/сценами. 70/100 "Специфично для Unity" 20 JetBrains AI В Rider; автокомплит для .NET/Unity. 75/100 "Интеграция с IDE" Подсписки по критериям (для тематических опросов) В обсуждениях часто голосуют по точности, интеграции и скорости. Вот топ-10 для каждого (на основе 70% отзывов и бенчмарков). 1. По точности кода (минимум ошибок в Unity C#, % на бенчмарках) Claude 3.7 Sonnet (72% SWE-bench) DeepSeek V3 (выше GPT) ChatGPT 4.1 (54.6%) Google Gemini 2.5 Pro (63.8%) GitHub Copilot (высокий для .NET) Cursor (на базе топ-моделей) Llama 4 Maverick (43% LiveCodeBench) Qwen3-Coder (open-source лидер) Amazon Q Developer (с сканированием) Sourcegraph Cody (codebase-aware) 2. По интеграции с Unity (поддержка API, Editor/IDE, ассеты) GitHub Copilot (VS/Rider + Unity контекст) Unity Muse (нативный в Editor) Cursor (многофайловые Unity правки) JetBrains AI (Rider для Unity) Continue.dev (кастом для Unity) Amazon Q Developer (VS интеграция) Tabnine (Unity стили) Codeium (быстрый в IDE) Replit AI (облачный Unity прототип) Aider (Git для Unity проектов) 3. По скорости/удобству (генерация <10с, бесплатность, UX) Codeium (бесплатный, быстрый) Bolt.new (браузерный, мгновенный) Tabnine (оффлайн опции) Replit AI (облачный, простой) AskCodi (промпт-based) Cline (локальный агент) GitHub Copilot (inline suggestions) ChatGPT 4.1 (чат-интерфейс) Google Gemini CLI (терминал) Windsurf (free tier) Что думаете? Готовы ли вы протестировать Claude 3.7 в следующем проекте? Давайте обсудим!
  • Топ-100 ИИ-моделей 2025 года: кто лидирует в будущем? 🚀

    Прикреплена
    2
    0 Голоса
    2 Сообщения
    14 Просмотры
    MasterGHM
    Ранг Модель Провайдер Ключевые метрики (2025) Краткое описание 1 GPT-5 OpenAI GPQA: 87.3%, AIME: 100%, Контекст: 2M токенов, Цена: $0.15/$0.45/1M Фронтир-модель с унифицированным рассуждением; лидер в математике и агентах. 2 Grok 4 xAI GPQA: 87.5%, SWE-Bench: 75%, Скорость: 1500 t/s Мультимодальная с "Deep Think"; топ в рассуждениях и коде; open-weight версия. 3 Gemini 2.5 Pro Google GPQA: 86.4%, GRIND: 82.1%, Контекст: 1M+ Нативная мультимодальность (текст/видео); "Deep Think" для шагового мышления. 4 Claude 4 Opus Anthropic SWE-Bench: 72.5%, Контекст: 1M, Цена: $0.20/$0.60 Безопасная enterprise-модель; excels в коде и этике; 1M контекст. 5 DeepSeek V3.1 DeepSeek GPQA: 85%, Open-source, Скорость: 2000 t/s Гибрид "thinking/non-thinking"; конкурент GPT в рассуждениях; MIT-лицензия. 6 Claude 4 Sonnet Anthropic SWE-Bench: 72.7%, GRIND: 75%, Цена: $0.10/$0.30 Быстрая версия Opus; топ для кодирования и исследований. 7 Qwen3-235B Alibaba Tool Use: 80%, Контекст: 128K, Open-source Многоязычная с фокусом на агентах; лидер в Китае. 8 Llama 4 Maverick Meta LiveCodeBench: 43%, Контекст: 256K, Open-source Масштабируемая; сильна в UI/коде; 405B вариант — топ open. 9 OpenAI o3 OpenAI AIME: 98.4%, Humanity's Last Exam: 20.32% Агентная модель; excels в многошаговых задачах. 10 Grok 3 Beta xAI GPQA: 84.6%, Скорость: 1200 t/s Предшественник Grok 4; фокус на математике. 11 GPT-4.5 Orion OpenAI SWE-Bench: 74.9%, Цена: $0.12/$0.36 Улучшенная GPT-4o; для enterprise. 12 Nemotron Ultra 253B Nvidia GRIND: 57.1%, Open-source Синтетическая генерация данных; matches GPT-4. 13 Mistral Large 2 Mistral AI Контекст: 128K, Скорость: 1800 t/s Эффективная европейская; multilingual. 14 Cohere Command R+ Cohere Tool Use: 72%, Контекст: 128K 10 языков; для RAG и агентов. 15 Llama 3.1 405B Meta Tool Use: 81.1%, Open-source Крупнейшая open; топ в математике. 16 Gemini 2.0 Flash Google Latency: 0.34s, Цена: $0.075/$0.3 Быстрая мультимодальная; для мобильных. 17 DeepSeek R1 DeepSeek GPQA: 84%, Open-source Open-source шокер; competitive с proprietary. 18 Claude Opus 4.1 Anthropic SWE-Bench: 74.5%, Контекст: 1M Обновленная для enterprise; безопасность. 19 GPT-4o OpenAI Tool Use: 72.08%, Скорость: 1000 t/s Мультимодальная; повседневный лидер. 20 Llama 3.3 70B Meta AIME: 93.3%, Скорость: 2500 t/s Быстрая open; для on-device. 21 Gemma 3 27B Google Цена: $0.07/$0.07, Open-source Легкая; для edge-устройств. 22 Falcon 180B TII Контекст: 128K, Open-source Арабский фокус; multilingual. 23 Qwen3-Coder Alibaba SWE-Bench: 70%, Open-source Специализирована на коде. 24 Nova Pro Nova Tool Use: 68.4%, Latency: 0.3s Быстрая для агентов. 25 GPT oss 120B OpenAI AIME: 97.9%, Open-source Open-версия GPT; для devs. 26 Claude 3.7 Sonnet Anthropic GRIND: 60.7%, Цена: $0.08/$0.24 Предыдущая, но все еще топ. 27 Llama 4 Scout Meta Скорость: 2600 t/s, Open-source Самая быстрая open. 28 GPT-4o mini OpenAI Latency: 0.35s, Цена: $0.05/$0.15 Бюджетная мультимодальная. 29 Nemotron-4 340B Nvidia Контекст: 256K, Open-source Для синтетики и кода. 30 Mistral Nemo Mistral AI Скорость: 1500 t/s, Open-source Компактная; multilingual. 31 Llama 3.1 70B Meta Скорость: 2100 t/s Средний размер; баланс. 32 Gemini 1.5 Flash Google Цена: $0.075/$0.3 Быстрая для чатов. 33 DeepSeek V3 DeepSeek GPQA: 83%, Open-source Базовая V3; сильна в коде. 34 Qwen2.5 72B Alibaba Контекст: 128K Обновленная Qwen. 35 Grok-3 xAI AIME: 93.3% Предыдущая Grok. 36 Llama 3.1 8B Meta Latency: 0.32s, Open-source Легкая для мобильных. 37 Claude 4 Haiku Anthropic Скорость: 2000 t/s Быстрая версия Sonnet. 38 GPT oss 20B OpenAI AIME: 98.7%, Open-source Маленькая open GPT. 39 Gemma 2 27B Google Open-source Предыдущая Gemma. 40 Command R Cohere Контекст: 128K Для RAG. 41 SmolLM3 Hugging Face Open-source, Скорость: 1800 t/s Компактная open. 42 T5Gemma Google Контекст: 512K Для генерации. 43 LFM2 Liquid AI On-device, Latency: 0.2s Самая быстрая локальная. 44 Kim K2 1T Moonshot AI Параметры: 1T, Open-source Крупнейшая open. 45 Perplexity Comet Perplexity Агентный браузер Для поиска/агентов. 46 Kimi Researcher Moonshot AI Многошаговое рассуждение Автономный агент. 47 Nova Micro Nova Цена: $0.04/$0.14 Самая дешевая. 48 Llama 3.3 8B Meta Open-source Легкая обновленная. 49 Mistral Small 2 Mistral AI Скорость: 2200 t/s Компактная. 50 Falcon 40B TII Open-source Средний размер. 51 Qwen3 72B Alibaba Multilingual Китайский лидер. 52 Grok 2.5 xAI Контекст: 128K Средняя Grok. 53 Claude 3.5 Sonnet Anthropic SWE-Bench: 70% Предыдущая, популярная. 54 GPT-4.1 OpenAI Мультимодальная Обновленная 4o. 55 Gemini 2.5 Flash Google Latency: 0.3s Быстрая Pro. 56 DeepSeek Coder V2 DeepSeek SWE-Bench: 68% Для кода. 57 Llama 4 70B Meta Open-source Новый Llama. 58 Cohere Aya Cohere Multilingual, 101 языков Глобальная. 59 Nemotron Mini Nvidia Open-source Легкая. 60 Mistral Codestral Mistral AI Кодирование Специализированная. 61 Qwen2.5 Coder Alibaba Open-source Код-фокус. 62 Grok 3 Mini xAI Latency: 0.4s Бюджетная. 63 Claude Haiku 3.5 Anthropic Скорость: 1800 t/s Быстрая. 64 GPT-3.5 Turbo OpenAI Цена: $0.02/$0.06 Базовая, все еще используется. 65 Gemma 3 9B Google Open-source Маленькая. 66 Llama 3.2 11B Meta Vision-enabled Мультимодальная open. 67 Falcon 7B TII Open-source Базовая. 68 Qwen1.5 32B Alibaba Контекст: 32K Старая, но надежная. 69 DeepSeek Math DeepSeek AIME: 90% Математика-спец. 70 Mistral 7B Mistral AI Open-source Классика. 71 Cohere Embed Cohere Для эмбеддингов Не LLM, но топ в задачах. 72 Nemotron 70B Nvidia Open-source Средняя. 73 Llama 2 70B Meta Legacy open Все еще популярна. 74 GPT-4 Turbo OpenAI Контекст: 128K Предыдущая. 75 Gemini 1.5 Pro Google Контекст: 1M Предыдущая Pro. 76 Claude 3 Opus Anthropic Контекст: 200K Классика. 77 Qwen2 72B Alibaba Open-source Обновленная. 78 Grok 2 xAI Мультимодальная Предыдущая. 79 DeepSeek V2 DeepSeek Open-source Базовая V2. 80 Mistral Mixtral 8x22B Mistral AI MoE, Open-source Эффективная. 81 Llama 3 8B Meta Open-source Базовая. 82 Falcon 11B TII Open-source Маленькая. 83 Gemma 2 9B Google Open-source Легкая. 84 Cohere Command R3 Cohere Контекст: 128K Обновленная. 85 Nemotron 15B Nvidia Open-source Компактная. 86 Qwen1.5 7B Alibaba Open-source Базовая. 87 Claude 2.1 Anthropic Legacy Для legacy-проектов. 88 GPT-3.5 OpenAI Цена: низкая Базовая. 89 Gemini Nano Google On-device Для мобильных. 90 Llama 1 7B Meta Open-source Старая open. 91 Mistral 7B Instruct Mistral AI Open-source Инструкционная. 92 DeepSeek 6.7B DeepSeek Open-source Маленькая. 93 Qwen 1.5 14B Alibaba Open-source Средняя. 94 Grok 1.5 xAI Контекст: 128K Ранняя. 95 Claude Instant 1.2 Anthropic Скорость: высокая Быстрая legacy. 96 GPT-2 OpenAI Legacy Историческая. 97 BERT Large Google Для NLP Не LLM, но топ в задачах. 98 T5-XXL Google Open-source Для генерации. 99 BLOOM 176B BigScience Open-source Multilingual. 100 PaLM 2 Google Legacy Предшественница Gemini.
  • Deep Seek

    1
    1
    0 Голоса
    1 Сообщения
    206 Просмотры
    Нет ответов
  • Изобретение модели Трансформер (как это было кратко, и кто изобрел)

    3
    0 Голоса
    3 Сообщения
    198 Просмотры
    MasterGHM
    Премии, связанные с Transformer и глубоким обучением 1. Премия Тьюринга (Turing Award) — «Нобелевка» в Computer Science - За что дают? За выдающийся вклад в области информатики. - Кто получил за Transformer и deep learning? В 2023 году премию получили: Йошуа Бенджио (Yoshua Bengio) Джеффри Хинтон (Geoffrey Hinton) Ян Лекун (Yann LeCun) (Но не авторы Transformer! Они получили её за более ранние работы по нейросетям.) Однако авторы Transformer (Васуани, Шейзер и др.) тоже могут её получить в будущем — их работа считается революционной. 2. ACL Test of Time Award (премия за долгосрочное влияние) - За что дают? Награждают статьи, которые сильно повлияли на NLP через 10+ лет после публикации. - Кто получил? Пока "Attention Is All You Need" (2017) ещё не получила (ей всего 7 лет), но, скорее всего, получит в 2027–2030 годах. 3. NeurIPS Best Paper (премия за лучшую статью на конференции NeurIPS) - За что дают? За самые значимые исследования в machine learning. - Получал ли Transformer? Нет, статья вышла в arXiv (2017), а не на NeurIPS. Но если бы подавали — точно бы выиграла. --- Почему авторы Transformer ещё не получили Тьюринга? Премию Тьюринга дают с задержкой (обычно через 10–20 лет после открытия). В 2023 наградили "отцов deep learning" (Хинтона и др.) — их работы 1980–2000-х сделали возможным появление Transformer. Transformer ещё "слишком молод" (2017), но его авторы — главные кандидаты на премию в 2030-х. --- Какие ещё награды получили авторы Transformer? - Google Research Awards (внутренние премии). - Упоминания в топ-конференциях (ICML, ACL, NeurIPS) как одна из самых влиятельных работ. - Цитирования (более 80 000+ ссылок на статью — это гигантский показатель). --- Вывод - Пока авторы Transformer не получили Тьюринга, но их работа изменила всю NLP-индустрию. - Скорее всего, их наградят в будущем — как Бенджио, Хинтона и ЛеКуна. - Сейчас они получают признание через цитирования и внедрение их идей в ChatGPT, Gemini и другие ИИ. Transformer — это как изобретение транзистора для ИИ: пока не всегда награждают, но без него ничего не работает.
  • Рекомендации для изучения промтинга LLM

    2
    0 Голоса
    2 Сообщения
    94 Просмотры
    MasterGHM
    Мультимодальные LLM: когда ИИ видит, слышит и понимает контекст Что это? Модели, способные одновременно обрабатывать текст, изображения, аудио и видео. Это не просто "распознавание картинок", а глубокое понимание связей между разными типами данных. Пример работы: Загружаете фото схемы электронной платы + текстовый запрос: "Найди ошибку в разводке конденсатора C7 и предложи исправление в формате KiCad". Модель: 1️⃣ Анализирует изображение, 2️⃣ Сопоставляет с текстовым контекстом, 3️⃣ Генерирует инструкцию с исправлением. --- Ключевые возможности и применение Тип данных Что умеет модель Практическое применение Текст + Изображение Описание сцен, анализ графиков, чтение рукописных заметок Автоматизация документооборота, генерация ALT-текста, поиск дефектов на чертежах Текст + Аудио Транскрибация с контекстным анализом, генерация эмоциональной речи Виртуальные ассистенты с "характером", анализ колл-центров, озвучка презентаций Видео + Текст Понимание сюжета, поиск ключевых моментов, аннотирование Автосуммаризация записей встреч, модерация контента, создание монтажных листов --- ️ Как работать с мультимодальностью? Выбор инструментов: OpenAI GPT-4o (vision + text + voice) — через API или ChatGPT. Google Gemini 1.5 — поддерживает до 1 млн токенов контекста (включая видео!). Open-source: LLaVA, Fuyu-8B (можно запустить локально с GPU). Специфика промтов: Четко указывайте тип данных: "Проанализируй скриншот ошибки (вложение 1) и лог-файл (вложение 2). Предложи 3 решения." Управляйте фокусом: "Сравни графики продаж за 2023 и 2024 (PDF-страница 5). Сосредоточься на падении в Q3." Используйте ролевые модели: "Ты инженер-электронщик. По фото прототипа определи, где перегревается компонент." Технические требования: Для локальных моделей: GPU с 8+ GB VRAM (например, LLaVA-1.6 требует NVIDIA RTX 3090). В облаке: API с поддержкой multipart/form-data (для загрузки бинарных файлов). --- Зачем это технарю? - Автоматизация сложных задач: Запрос: "По видео сборки робота составь checklist для тестирования (вывод в Markdown)". Результат: Готовый чеклист с привязкой к временным меткам. - Работа с документацией: Анализ сканов ТУ, схем, диаграмм без ручного ввода данных. - Быстрый прототипинг: "Сгенерируй UI для приложения по этому наброску на салфетке (фото) + описание функционала (текст)". --- ️ Ограничения (на 2025 год): - Точность распознавания: Может ошибаться в деталях (например, номера микросхем на фото). - Контекстное окно: Видео длительностью >10 мин часто требуют препроцессинга. - Стоимость: Мультимодальные API в 3-5x дороже текстовых (например, GPT-4o vision — $5-15 за 1к запросов). --- Как начать? Поэкспериментируйте в Google Gemini (бесплатно) с загрузкой PDF/изображений. Для кода: Llama 3 с LLaVA (туториал). Протестируйте API через OpenRouter (поддержка >30 мультимодальных моделей). Главный принцип: Мультимодальность — не замена текстовым LLM, а мощное расширение для задач, где контекст требует визуала или звука.
  • Самые сильные LLM на сегодня

    1
    0 Голоса
    1 Сообщения
    69 Просмотры
    Нет ответов