Back to explore

Jev vs GPT-5.4 ハード事実確認ベンチ: 再実行で有意差なし、コスト1/50

コミュニティによる再ベンチマークでは、JevとGPT-5.4は統計的に区別できず(3.3ポイント差)、Jevのコストは約50分の1。

I said Jev beat GPT-5.4 on hard fact-checks by 11.1 points. That was one run. Rerun five times, I can't tell them apart: 3.3 points, not significant. Jev costs a fiftieth as much. Raw runs: https://github.com/TheWayWithin/jev-bench… https://jamiewatters.work/journey/jev-ties-gpt-5-4…

Jev vs GPT-5.4 ハード事実確認ベンチ: 再実行で有意差なし、コスト1/50 1
· 0 likesOpen on X