Los benchmarks de IA pierden sentido: ¿cómo elegir un modelo entonces?
En marzo analizamos cómo funcionan los benchmarks de LLM – GPQA Diamond, SWE-bench, Chatbot Arena. En abril probamos 53 modelos y descubrimos que la diferencia de calidad entre los modelos punteros es de décimas de punto, mientras que en precio es de tres …
Leer más
