GPT-6 Sol e Luna: il vantaggio è soprattutto nel prezzo
GPT-6 Sol e Luna riducono i prezzi API, con progressi più piccoli nei test. Confronto risultati, accesso in ChatGPT e le prime esperienze degli utenti Reddit.
benchmarks
Tutti gli articoli con il tag benchmarks, dal più recente.
Opus 5.5 programma meglio. Il costo per compito varia
Opus 5.5 migliora nei test indipendenti e riduce i prezzi dei token. Confronto costi per compito, livelli di ragionamento e prime esperienze su Reddit.
GPT-6 Astra costa 2,5x Sol per token. Parla come una persona
GPT-6 Astra consuma crediti a 2,5 volte la tariffa di Sol e in chat sembra più umano. Ho verificato i limiti di utilizzo, i benchmark e le prime reazioni.
Muse Spark 1.3 ha superato GPT-6 per due giorni. Ecco perché
Muse Spark 1.3 ha segnato 62 su Artificial Analysis, sopra GPT-6 Astra, poi è finito nono. Ho ricostruito da dove veniva il punteggio e quanto costa.
Fable 5.1 supera Fable 5. Opus è più difficile da sostituire
Fable 5.1 supera Fable 5 nei compiti lunghi svolti da agenti, ma Opus 5 resta vicino e ha tariffe base dimezzate. Ho verificato benchmark e primi report.
DeepSeek V4 Flash perde 9 benchmark su 9 contro Opus 4.8
V4 Flash costa 0,14 $ in ingresso e 0,28 $ in uscita per milione di token. Ho verificato se lo sconto dal 97 al 99% compensa le sconfitte nei benchmark.
Benchmark AI: punteggi simili, modelli molto diversi
DeepSWE mette Luna Max 2,2 punti dietro Sol High a circa un sesto del costo per tentativo. Spiego perché nei repository i due modelli restano molto diversi.
GPT-5.6 vs Claude 5: perché i benchmark discordano
Ho confrontato Sol, Terra, Opus 5 e Fable 5 nei benchmark di coding. Il vincitore cambia a seconda del task, dell'effort, dell'agente e del budget.
Kimi K3 eguaglia GPT-5.6, ma richiede 4,6 volte il tempo
Kimi K3 pareggia GPT-5.6 medium, ma richiede 4,6 volte il tempo. GLM-5.2 costa poco per token e molto per task. Verifico dove entrambi hanno ancora senso.
Opus 5 è un ottimo dipendente, ma un capo frustrante
Opus 5 eguaglia Fable 5 nei benchmark e costa la metà per token, ma supervisionarlo è frustrante. Ecco perché Fable merita ancora il ruolo di capo.