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.
Appunti pratici su IA e sviluppo software
Pagina 3 di 3
I miei agenti di coding dimenticano il repo. Gli do una mappa
Ho creato un sistema di gestione del contesto in quattro livelli che porta gli agenti ai dati aggiornati. Funziona, ma mantenerlo corretto resta difficile.
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.
Ho confrontato 8 alternative a Convex. Non lascio Convex
Appwrite e InsForge ci sono andati vicini, ma Convex resta il backend più semplice per i miei agenti AI. Il vero problema è il costo dell'hosting nell'UE.
GPT-5.6 Sol complica troppo il codice. Io continuo a usarlo
Nel mio audit, GPT-5.6 Sol ha prodotto quasi sei volte più segnalazioni di Fable 5. Molte erano rumore, così ho cambiato il modo in cui lo uso nei progetti.
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.