Shu darsdan nima olasiz

• Bozordagi 5 ta asosiy modelni va har biri nimada kuchli ekanini bilasiz
• SWE-bench aslida nimani o‘lchashini — va qayerda ko‘zni shamg‘alat qilishini tushunasiz
• Modelni reyting bo‘yicha emas, o‘z ishingizda sinab tanlaysiz

Bozorda kim bor, kim nimada kuchli?

DeepSeek va Qwen — open-weight

• Ularni o‘z kompyuteringizda, internetsiz ishga tushira olasiz
• Kodingiz tashqariga chiqmaydi — korporativ ish uchun oltin
• Batafsil: Modul 3 — Lokal AI

SWE-bench nimani o‘lchaydi?

• Real GitHub repozitoriylardan olingan haqiqiy issue-lar
• Model ularni o‘zi, yordamsiz hal qilishi kerak
• "Verified" varianti — odam tekshirgan to‘plam, shuning uchun ishonchliroq

Nega benchmarkka to‘liq ishonib bo‘lmaydi?

Leaderboardni qanday o‘qiysiz?

• SWE-bench Verified ro‘yxatini oching — kodlash uchun eng mazmunli ko‘rsatkich shu
• Har oilaning hozirgi flagman versiyasini va narxini yozib oling
• Ro‘yxatni ko‘rgan sanangizni belgilang — bir necha oydan keyin u eskiradi
• Reytingdagi 1-o‘rin — sizning ishingizda ham 1-o‘rin degani emas

5 qadamda o‘zingiz sinab ko‘rasiz

• 3–5 real vazifa — o‘z ishingizdan, o‘ylab topilgani emas
• Bir xil prompt — 2–3 modelga, shartlar teng
• 4 mezonda baho — to‘g‘rilik · uslub · tushuntirish · tezlik
• Narxni ham qo‘shing — +5% sifat 3× narxga arziydimi?
• Har chorakda qayta — bozor tez o‘zgaradi

Natijani qanday baholaysiz?

Shablon: materials/cheatsheet-models.md

Esda qoling

• "Eng zo‘r model" yo‘q — ishingizga mosi bor
• Benchmark — boshlanish nuqtasi, oxirgi hukm emas
• 15 daqiqalik shaxsiy test — har qanday reytingdan qimmat

Ikki modelni o‘zingiz taqqoslang

• Ishingizdan bitta real vazifa oling va uni 2 xil modelda bajaring
• Natijani 4 mezon bo‘yicha jadvalga yozing
• Tayyor shablon: materials/cheatsheet-models.md