Мнения

OpenRouter прогнал 11 LLM в поисках самой быстрой модели принятия решений: лидируют Claude и Grok

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

ИИ-резюме

OpenRouter потратил 482 доллара на инференс, чтобы 11 больших языковых моделей состязались в 30-раундовом испытании на принятие решений в реальном времени. Результаты показали, что традиционные статические рейтинги benchmark не отражают реальную работу моделей в агентных задачах, требующих мгновенной реакции (например, автономное управление роботом): модели Claude и Grok выделились по скорости принятия решений и успешности выполнения задач, тогда как у ряда моделей с высокими оценками способность к планированию в реальном времени оказалась ниже ожиданий.

Ключевые моменты

  • OpenRouter потратил 482 доллара на инференс,чтобы 11 больших языковых моделей состязались в…
  • Результаты показали,что традиционные статические рейтинги benchmark не отражают реальную работу…
  • тогда как у ряда моделей с высокими оценками способность к планированию в реальном времени…

Кратко

Опубликовано
Обновлено
Источник
OpenRouter:Announcements(RSS)
Категория
Мнения
Оценка ИИ
66
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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。

Связанные сущности

Источник и авторские права

Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.

Оригинал статьи · Материал на AIHOT

Как цитировать

При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.

Orange News: OpenRouter прогнал 11 LLM в поисках самой быстрой модели принятия решений: лидируют Claude и Grok. 4 июня 2026. https://new.nat6.net/ru/news/cmq02h5su02a7sltrhs0xegph/

Смотреть все →