Back to explore

Jev evaluado en benchmark de programación de máquinas de estado

Dorian Smiley comparte un benchmark: Gemini Flash Lite 3.1 logra 75.6% total, Jev 72.2% total, 100% en tareas canónicas y es unas 6 veces más rápido; sus fallos se concentran en composiciones novedosas.

New state machine programming benchmark: Gemini Flash Lite 3.1: 75.6% overall, 66.7% generalization. Jev: 72.2% overall, 61.4% generalization, but 100% on canonical tasks and ~6× faster. Jev’s misses are concentrated in specific novel compositions, not broad task failure. It is

Jev evaluado en benchmark de programación de máquinas de estado 1
· 1 likesOpen on X