Операция выполнена!
Закрыть
Хабы: 1С, Искусственный интеллект, Текстовые редакторы и IDE, Управление разработкой

В статье кратко на реальных примерах проанализированы возможности генерации кода 1С сетями от Yandex, Sber, Microsoft, Anthropic, DeepSeek, OpenAI, Google

Сразу оговорюсь - статья не является истиной в последней инстанции или какой либо глубокой научной работой, которые вы привыкли видеть для всяких бенчмарках.

Я решал свою исключительно практическую задачу из разряда "лучший код - код который не написан" с уточнением: не написан своими руками. 

Своей цели я, к слову, достиг и выводы сделал, ими и делюсь, поскольку всё равно написать надо.

Много деталей приводить не буду - что отвечают нейросети можете проверить сами. Приведу только свои запросы и краткие выводы по ним. Полные выводы можете найти в конце статьи, так что кому нужен итоговый результат - листайте сразу в конец.

Что касается 1С:Напарники. Да, я его потестил. Нет, результаты написать не могу потому что NDA.

Ну и в данном случае не могу даже пожаловаться на политику 1С (хотя в общем и целом постоянные NDA для новых фич в бета сильно раздражают), потому как Напарник проектировался под автодополнение по большей части, а мы будем говорить про кодогенерацию.

Полный код ответа LLM как и скоринг приводить не буду - ибо нет цели написать научный труд. Более того, когда выводы по модели становятся очевидными я прекращал давать ей новые задачи. 

Далее - почему задачи все такие алгоритмические и без контекста? Контекст - отдельная задача, главное чтобы сеть умела ориентироваться в алгоритмических задачах и "знать" определенные особенности 1С.

Читать далее
Читайте также
СТАТЬ АВТОРОМ
НОВОСТИ

ПИШИТЕ

Техническая поддержка проекта ВсеТут

info@vsetut.pro