O Muse Spark 1.3 esteve acima do GPT-6 dois dias. Eis porquê
O Muse Spark 1.3 marcou 62 na Artificial Analysis, à frente do GPT-6 Astra, e caiu para nono numa reavaliação. Segui o rasto da pontuação e do preço.
benchmarks
Benchmarks
Novos benchmarks lidos à luz da experiência prática: onde se aguentam e onde falham.
Pontuações próximas num benchmark escondem modelos diferentes
O DeepSWE põe Luna Max 2,2 pontos atrás de Sol High por cerca de um sexto do custo. Explico porque podem funcionar de forma tão diferente num repositório.
GPT-5.6 vs Claude 5: porque é que os benchmarks divergem
Comparei Sol, Terra, Opus 5 e Fable 5 em benchmarks de programação. O vencedor muda conforme a tarefa, o esforço, a configuração do agente e o orçamento.
Kimi K3 iguala o GPT-5.6, mas demora 4,6 vezes mais
O Kimi K3 empata com o GPT-5.6 medium, mas demora 4,6 vezes mais. O GLM-5.2 é barato por token e caro por tarefa. Verifiquei onde ambos vencem.