Søgning
3 briefing-resultat(er) for »agent-arena«
Opfølgning: 1.200 Blender-modelleringskørsler på tværs af LLM'er og agent-harnesses
En blind A/B-arena lader brugere stemme på resultater – inkluderer Claude Code, OpenCode, Codex og flere reasoning-niveauer. [briefingen 25. september](/archive/2026 …
"Intelligence Density" – nyt mål for kodning pr. parameter
En aggregator på tværs af SWE-bench, DeepSWE, Terminal-Bench og Code Arena beregner hvor meget kodningsintelligens hver parameter leverer. Små modeller straffes for …
Agent Arena Code: GLM og Qwen viser markant fremgang
Foreløbige resultater fra Agent Arena Code viser, at GLM og Qwen er tæt på at matche Mythos. Åbne vægte har rykket sig markant på …