La compañía afirma que los tokens de razonamiento que logran sacar los destiladores son ahora entre 10 y 100 veces menos, y que ha rechazado billones de tokens de tráfico de pago.
Benchmark
SWE-bench Verified
Qué mide el benchmark SWE-bench Verified, cómo lo ejecuta OpenAI and the SWE-bench team y las puntuaciones registradas de cada modelo, con su…
- Responsable
- OpenAI and the SWE-bench team
- Puntuación
- %
- Última comprobación
- 2 de septiembre de 2026
Clasificación
Todavía no hay resultados verificados.
Noticias relacionadas
Las cifras son de Salesforce sobre su propio marco. Lo interesante es que se obtuvieron sin ningún ajuste fino del modelo.
Anthropic lanza Claude Fable 5.1 y abarata un 75% las lecturas en caché
Los dos modelos son el mismo sistema bajo regímenes de salvaguardas distintos. Lo que se notará en la factura de quien desarrolla no es la tabla de benchmarks, sino el precio.