2 benchmarks · 121 variantes puntuadas · hace 18 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 18 h
¿Cansado de buscar cuál es el mejor modelo para programar? Tres respuestas, al día.
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 · nada por encima de $8 la tarea
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.
GPT-6 Astralowtambién es el barato
Hoy el barato es también el que dejarías puesto: nada en medio compensa.
GPT-6 Astramedium
Empata con GPT-6 Astra (xhigh) y cuesta $1.39 menos.
calidad de 2 benchmarks nivelados · el $/tarea es un índice, no tu factura cómo se calcula
Otras 62 variantes están medidas por un solo benchmark y no compiten por las tres respuestas. cuáles y por qué