Исполнительный директор в «Сбере» Алена Феногенова представила на конференции AI R&D Day 2026 линейку из пяти русскоязычных бенчмарков для оценки современных моделей:

• LIBRA для проверки работы с длинным контекстом;
• MERA Reason для математических рассуждений;
• MERA Text 2.0 для испытаний языковые, культурные и прикладные навыки;
• RUMBA для проверки памяти между сессиями;
• Harness-bench-fast для тестирования работы в агентной обвязке (Harness).

Кроме того, спикер описал современные тренды в оценке ИИ-моделей.