Arena clasifica GPT-6 Astra Max en primer lugar para desarrollo web, Claude Fable 5.1 Max en primer lugar para agentes
Los fundadores de Arena están convirtiendo la evaluación de modelos en un negocio al dividir "mejor" en tareas, costos e intervalos de confianza.
By RuntimeWire Staff · Published
Primary source: Arena
Por qué importa
Arena se está convirtiendo en parte de la capa de compra para modelos de IA, utilizando votos humanos y trazas de flujo de trabajo para influir en qué sistemas adoptan los desarrolladores. Sus tablas más recientes también muestran por qué ninguna tabla de clasificación debe tomarse como una medida universal: GPT-6 Astra Max encabezó WebDev, mientras que Claude Fable 5.1 Max encabezó Agent Arena y GPT-6 Astra Max quedó en segundo lugar.
Arena, la plataforma de evaluación de IA cofundada por Anastasios Angelopoulos (@ml_angelopoulos), Wei-Lin Chiang (@infwinston) y Ion Stoica (@istoica05), ubicó a GPT-6 Astra Max de OpenAI en…
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.