Загрузка видео...
Не удалось загрузить видео
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 просмотров • 6 дней назад •via X (Twitter)
Комментарии: 0
Нет доступных комментариев
Здесь появятся комментарии из оригинального поста
