Загрузка видео...
Не удалось загрузить видео
Llama 4 seems to actually be a poor model for coding. Scout (109B) and Maverick (402B) underperform 4o, Gemini Flash, Grok 3, DeepSeek V3 and Sonnet 3.5/7 on the Kscores benchmark which tests on coding tasks like this. ELO-maxxing on LMarena doesn’t create the best models.
252,791 просмотров • 1 год назад •via X (Twitter)
Комментарии: 0
Нет доступных комментариев
Здесь появятся комментарии из оригинального поста


