Claude guida il 26% della R&S di Anthropic. Chi verifica?
Anthropic afferma che Claude guida un quarto della ricerca in IA sotto supervisione umana. Esamino cosa misura il dato e chi continua a verificare i risultati.
model-evaluation
Tutti gli articoli con il tag model-evaluation, dal più recente.
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.