Back to explore

Jev vs GPT-5.4 i svåra faktakontroller: ingen signifikant skillnad, kostnad 1/50

En community-omkörning visar att Jev och GPT-5.4 inte går att särskilja statistiskt (3,3 poängs skillnad), och Jev kostar ungefär en femtiondel.

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 i svåra faktakontroller: ingen signifikant skillnad, kostnad 1/50 1
· 0 likesOpen on X