Posted inActualités IA
Qwen 3.8 Max égale Claude Opus mais invente davantage
Qwen 3.8 Max égale Claude Opus 4.8 à 56 points, mais sa tâche coûte 1,14 $ contre 0,86 $ pour Kimi K3 et son taux d'hallucination grimpe à 40 %.
Articles tagués benchmark IA — Page 2
Posted inActualités IA Anthropic
Agents de code : le plus rapide est aussi le plus cher
Agents de code comparés sur 30 tâches réelles : Claude Code boucle en 122 secondes mais facture 0,195 $ la tâche, contre 0,073 $ pour OpenCode.
Posted inActualités IA
Sakana Fugu domine les benchmarks mais reste lent
Sakana Fugu orchestre plusieurs modèles et égale Fable 5 au benchmark, mais Ethan Mollick le juge très lent, autour de trente minutes par test de code.
Posted inActualités IA
Étude Tencent : les agents IA finissent 14 % des tâches
L'Étude Tencent menée par Youtu Lab révèle que GPT-4 ne boucle que 14 % des tâches WebArena. Les agents ratent plus de la moitié de leurs skills.