我在实际工作中对三个廉价模型进行了基准测试
剧透:排行榜对我注意到的内容撒了谎。
我通过三个花费几分钱的模型来运行我的实际任务,起草、标记和总结。
On drafting, two were within a hair of the flagship for my purposes.在标记方面,三者并列。
旗舰产品之所以获胜,只是因为我每周可能会进行两次粗俗的推理。
排行榜上的工作排名和我的不一样。基准测试针对的是难题,而不是常见问题。
我把普通的作品从价格阶梯上移了下来,并为稀有的硬箱保留了顶级。
