2 benchmarks · 121 variantes puntuadas · hace 17 h
¿Cansado de buscar cuál es el mejor modelo para programar? Tres respuestas, al día.
Ningún modelo pasa esos filtros
Con esas restricciones no queda nada medido por suficientes benchmarks. Prueba a gastar un poco más por tarea o a mirar más modelos.
quitar filtrosDesmarca los que no puedes usar, o los que no quieres, para sacarlos de las tres respuestas y del gráfico.
Casi todo lo open weight lo ha medido un solo benchmark. Bajar el mínimo a uno los deja competir, con el precio de que su nota sale de una única medición, la del benchmark que les tocó: entran marcados como confianza baja.
Puntúa con DeepSWE v1.1 y Terminal-Bench 4.0 · nada por encima de $3 la tarea · Solo Claude