Opini & Komentar

OpenRouter menguji 11 LLM untuk menemukan model pengambilan keputusan tercepat: Claude vs. Grok memimpin

Judul asli:A Robot is Sprinting Towards You: Do You Want it Running on Claude or Grok?

Ringkasan AI

OpenRouter menghabiskan biaya inferensi total 482 dolar AS untuk membuat 11 model bahasa besar bersaing langsung dalam tantangan "battle royale" pengambilan keputusan real-time selama 30 putaran. Hasil eksperimen menunjukkan bahwa peringkat benchmark statis tradisional tidak dapat mencerminkan performa nyata model dalam tugas agen AI yang membutuhkan reaksi instan (seperti kontrol robot otonom). Model seri Claude dan Grok menonjol dalam kecepatan pengambilan keputusan dan tingkat keberhasilan tugas, sementara kemampuan penjadwalan real-time beberapa model berperingkat tinggi tidak sesuai harapan.

Poin utama

  • OpenRouter menghabiskan biaya inferensi total 482 dolar AS untuk membuat 11 model bahasa besar…
  • Hasil eksperimen menunjukkan bahwa peringkat benchmark statis tradisional tidak dapat mencerminkan…
  • Model seri Claude dan Grok menonjol dalam kecepatan pengambilan keputusan dan tingkat keberhasilan…

Ringkasan cepat

Waktu terbit
Waktu diperbarui
Sumber
OpenRouter:Announcements(RSS)
Kategori
Opini & Komentar
Skor AI
66
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

Jacky 把 11 个模型丢进大逃杀,发现 Grok 4.1 Fast 以 27 倍成本优势击败 Sonnet,而获胜关键不在基准分数,在于模型被训练时压制的攻击性。对任何不再只看排行榜选模型的人,这是今年最值得读的实验。

Entitas Terkait

Sumber dan hak cipta

Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.

Tautan asli · Entri AIHOT

Cara mengutip

Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.

Orange News: OpenRouter menguji 11 LLM untuk menemukan model pengambilan keputusan tercepat: Claude vs. Grok memimpin. 4 Juni 2026. https://new.nat6.net/id/news/cmq02h5su02a7sltrhs0xegph/

Lihat semua →