اوپنایآی
@reach_vb
Vaibhav (VB) Srivastav (@reach_vb)

منبع
Vaibhav (VB) Srivastav@reach_vb
GPT-5.6 Luna Max scores 13.3 points above Sonnet 5 Max on DeepSWE v1.1 while Sonnet costs 44x as much.
DeepSWE tests coding agents on 113 original, long-horizon engineering tasks.
Luna posts 67.2% at $0.61/task, 1.7 points above Gemini 3.7 Flash Medium at 70% lower cost.
۲۵ مرداد ۱۴۰۵مشاهده در X



نظرها
هنوز نظری نیست.
بخش نظرها فعلاً در دسترس نیست.