2 benchmarks · 121 variantes puntuadas · hace 21 h
Qué maldito modelo uso
¿Cansado de buscar cuál es el mejor modelo para programar? Tres respuestas, al día.
2 benchmarks · 121 variantes puntuadas · hace 21 h
¿Cansado de buscar cuál es el mejor modelo para programar? Tres respuestas, al día.
Claude Fable 5.1highconfianza baja
85% del líder por $2.92 menos. Este es el que dejas puesto.
Claude Sonnet 5.5maxconfianza baja
Empata con Claude Opus 5.5 (max) y cuesta $1.16 menos.
calidad de 2 benchmarks nivelados · el $/tarea es un índice, no tu factura cómo se calcula
Desmarca los que no puedes usar, o los que no quieres, para sacarlos de las tres respuestas y del gráfico.
Puntúa con DeepSWE v1.1 y Terminal-Bench 4.0 · basta un benchmark para poder ser respuesta · Solo Claude
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.