Matrena
Матрёна — самая сильная российская модель. На этой странице — её результаты и сравнение с Gemini 3.8 Flash, Opus 5, GigaChat 3.5, Алисой и GPT-5.6.
Смотреть результатыМатрёна в цифрах
Три результата из открытого сравнения. Ниже — полная таблица, диаграммы и пояснения к испытаниям.
- SWE-bench Verified
- 79.0%
- Terminal-bench 2.1
- 91.4%
- τ2 Telecom
- 95.0%
Что можно поручить Matrena
Пришлите материал или опишите задачу. Matrena разберётся и поможет получить готовый результат.
Слушает и смотрит
Разбирает аудио, расшифровывает звонки и помогает работать с видео.
Находит информацию
Ищет в интернете и собирает нужные сведения для задачи.
Готовит документы
Работает с таблицами и Word, собирает готовые PDF.
Пишет скрипты
Решает конкретные подзадачи и помогает автоматизировать работу.
Рядом с другими моделями
Лучший опубликованный результат в каждой строке выделен. Прочерк означает, что данных нет, а не нулевой результат.
| Matrena | Gemini 3.8 Flash | Opus 5 | GigaChat 3.5 | Алиса | GPT-5.6 | |
|---|---|---|---|---|---|---|
| SWE-bench VerifiedИсправление ошибок в реальных проектах | 79.0% | 80.0% | 96.0% | 42.6% | - | 82.2% |
| Terminal-bench 2.0Задачи в терминале · версия 2.0 | 89.0% | 89.4% | 89.1% | 13.5% | - | 91.9% |
| Terminal-bench 2.1Задачи в терминале · версия 2.1 | 91.4% | 89.4% | 89.1% | - | - | 88.8% |
| τ2 TelecomДиалог и работа с инструментами | 95.0% | - | - | 68.7% | - | - |
| MCP AtlasЗадачи с подключёнными инструментами | 72.0% | - | - | - | - | - |
| OSWorldРабота в графических приложениях | 61.0% | 59.0% | 75.4% | - | - | 62.6% |
| GPQA DiamondСложные вопросы по естественным наукам | 88.1% | 95.3% | 93.2% | 61.1% | - | 94.6% |
Результаты на одной шкале
Каждая диаграмма показывает одно испытание от 0 до 100%. Место Matrena считается только среди моделей с опубликованным результатом.
SWE-bench Verified
Место Matrena: 4 из 5Terminal-bench 2.0
Место Matrena: 4 из 5Terminal-bench 2.1
Место Matrena: 1 из 4τ2 Telecom
Место Matrena: 1 из 2MCP Atlas
Опубликован только результат MatrenaOSWorld
Место Matrena: 3 из 4GPQA Diamond
Место Matrena: 4 из 5Прочерк на диаграмме означает отсутствие опубликованного результата.
Методика
Результаты Matrena — наши прогоны; результаты других моделей — публичные отчёты. Условия прогонов могут различаться. Диаграммы повторяют числа из таблицы. Прочерк означает отсутствие публикации, а не 0%.
SWE-bench Verified
Реальные задачи из программных проектов: агент читает описание проблемы и вносит исправление в код.
Terminal-bench
Задачи в командной строке: настройка окружения, анализ данных и работа с файлами. Версии 2.0 и 2.1 показаны отдельно. Для версии 2.1 внешние результаты взяты из сравнения с агентом Terminus 2; GPT-5.6 здесь означает Sol.
Работа с инструментами
τ2 Telecom проверяет диалог с пользователем и работу с инструментами в задачах связи. MCP Atlas — работу с внешними инструментами через MCP.
OSWorld
Задачи в графических программах на компьютере: найти нужное, внести изменения и получить результат.
GPQA Diamond
Сложные вопросы по физике, химии и биологии, составленные специалистами.
По ARC-AGI-2, MMMU и MMMLU в этой таблице нет публикаций ни у одной сравниваемой модели.
Matrena