Muse Spark 1.3 lag zwei Tage vor GPT-6. Das steckt dahinter
Muse Spark 1.3 erreichte bei Artificial Analysis 62 Punkte, mehr als GPT-6 Astra, und fiel nach der Neuwertung auf Platz neun. Ich zeige, woher die Zahl kam.
benchmarks
Benchmarks
Neue Benchmark-Zahlen im Abgleich mit der Praxis: wo sie halten und wo nicht.
Ähnliche KI-Benchmark-Werte verbergen große Unterschiede
Bei DeepSWE liegt Luna Max 2,2 Punkte hinter Sol High, doch Luna braucht fast dreimal so viele Schritte. Ich zeige, warum das in Repositorys zählt.
GPT-5.6 vs. Claude 5: Warum sich die Benchmarks widersprechen
Ich vergleiche Sol, Terra, Opus 5 und Fable 5 in Coding-Benchmarks. Je nach Aufgabe, Effort, Agenten-Setup und Budget gewinnt ein anderes Modell.
Kimi K3 erreicht GPT-5.6, braucht aber 4,6-mal so lange
Kimi K3 erreicht GPT-5.6 medium, braucht aber 4,6-mal so lange. GLM-5.2 ist pro Token billig, doch pro Aufgabe teuer. Ich prüfe, wo beide gewinnen.