Video wird geladen...
Video konnte nicht geladen werden
Finding 1: Harness affects cost more than correctness. Fable 5 can cost twice as much for a 1.1-point gain in success rate. On SWE-bench Lite: - Claude Code: 97.8% accuracy, $1.33/rollout - Pi: 96.7% accuracy, $0.67/rollout While Claude Code reaches the highest success rate on the SWE-bench Lite frontier,... show more
14,563 Aufrufe • vor 6 Tagen •via X (Twitter)
0 Kommentare
Keine Kommentare verfügbar
Kommentare vom Original-Post werden hier angezeigt
