Opus 4.1 Barely Wins
Software engineering SWE-bench Verified ACCURACY 72.5% 74.5% Opus 4.1
На графике сравниваются результаты двух моделей в Software engineering: 72.5% и 74.5% на SWE-bench Verified. Плачущий Pepe с линейкой преувеличенно измеряет крошечную разницу, высмеивая драму вокруг минимального превосходства одной модели над другой.
crying frog / плачущая лягушкаgreen frog / зелёная лягушкаruler / линейкаbar chart / столбчатая диаграммаorange bar / оранжевый столбецgreen bar / зелёный столбецblue shirt / синяя рубашкаblack glasses / чёрные очкиtears / слёзыmeasurement markings / измерительные деленияwhite background / белый фонsoftware benchmark chart / график программного бенчмарка
- @profunctor_io / 11041 2025-08-05
- @gentoomemes / 18134 2025-08-06
- Template
- Pepe the Frog
- Type
- image
- Size
- 800×450 · 52.8 KiB
- Mood
- саркастичный, абсурдный
- Language
- en
- Added
