Mismo modelo, mismas tareas, y un harness cuesta el doble por tarea resuelta. Garry Tan está ejecutando evaluaciones de código abierto que solo intercambian el contenedor alrededor del modelo. En Opus, OpenClaw paga aproximadamente $0.44 por solución y ~99 segundos por intento. Claude cuesta $0.22 y 40 segundos. En Sol, Codex fue el más barato a $0.17. Las puntuaciones no se diferenciaron en absoluto. 7 configuraciones, 20 tareas de programación, todas obtuvieron entre 71-79%, y 14 de las 20 tareas dieron resultados idénticos en todos los casos. Entonces, la prueba fue demasiado fácil (ya se está realizando una nueva ejecución de Terminal-Bench más difícil). Todos los que discuten sobre qué agente es el más inteligente están discutiendo sobre 6 tareas en este momento. Yo elegiría el más barato y esperaría la nueva ejecución.
Sad CreatorCompartir
Fuente:Mostrar original
Descargo de responsabilidad: La información contenida en esta página puede proceder de terceros y no refleja necesariamente los puntos de vista u opiniones de KuCoin. Este contenido se proporciona solo con fines informativos generales, sin ninguna representación o garantía de ningún tipo, y tampoco debe interpretarse como asesoramiento financiero o de inversión. KuCoin no es responsable de ningún error u omisión, ni de ningún resultado derivado del uso de esta información.
Las inversiones en activos digitales pueden ser arriesgadas. Evalúa con cuidado los riesgos de un producto y tu tolerancia al riesgo en función de tus propias circunstancias financieras. Para más información, consulta nuestras Condiciones de uso y la Declaración de riesgos.