Model yang sama, tugas yang sama, dan satu harness berharga dua kali ganda per tugas yang diselesaikan. Garry Tan menjalankan evaluasi open source yang hanya menukar pembungkus di sekitar model. Pada Opus, OpenClaw membayar sekitar $0.44 per penyelesaian dan ~99 saat setiap percubaan. Claude $0.22 dan 40 saat. Pada Sol, Codex paling murah pada $0.17. Skor tidak membezakan sama sekali. 7 pengaturan, 20 tugas pengaturcaraan, semua menghasilkan 71-79%, dan 14 daripada 20 tugas menghasilkan jawapan yang sama di semua tempat. Jadi ujian ini terlalu mudah (rerun terminal-bench yang lebih sukar sedang berjalan). Semua orang yang berdebat tentang agen mana yang paling pintar sedang berdebat tentang 6 tugas sahaja sekarang. Saya akan pilih yang paling murah dan tunggu rerun.
Sad CreatorKongsi
Sumber:Tunjukkan artikel asal
Penafian: Maklumat yang terdapat pada halaman ini mungkin telah diperoleh daripada pihak ketiga dan tidak semestinya menggambarkan pandangan atau pendapat KuCoin. Kandungan ini adalah disediakan bagi tujuan maklumat umum sahaja, tanpa sebarang perwakilan atau waranti dalam apa jua bentuk, dan juga tidak boleh ditafsirkan sebagai nasihat kewangan atau pelaburan. KuCoin tidak akan bertanggungjawab untuk sebarang kesilapan atau pengabaian, atau untuk sebarang akibat yang terhasil daripada penggunaan maklumat ini.
Pelaburan dalam aset digital boleh membawa risiko. Sila menilai risiko produk dan toleransi risiko anda dengan teliti berdasarkan keadaan kewangan anda sendiri. Untuk maklumat lanjut, sila rujuk kepada Terma Penggunaan dan Pendedahan Risiko kami.