Søgning
8 briefing-resultat(er) for »leaderboard«
Harness Leaderboard benchmarker kodningsmodeller mod Terminal Bench og Deep SWE
Kimi Code, Hermes, Pi, Claude Code og Codex testes på nye benchmarks. Resultaterne viser, hvordan open source-modeller klarer sig mod kommercielle.
GPT-X3-150M topper Open SLM Leaderboard
En ny hybridmodel (GDN2/GQA) dethroner HuggingFaces SmolLM2-135M som den bedste lille sprogmodel på Open SLM Leaderboard.
Opfølgning: Kimi K3.1 Pro matcher Claude Opus 5.5 – open weights inden 4. november
Moonshots 2.8T MoE-model scorede 55 på Artificial Analysis, kun slået af Opus 5.5. Pris $2/$10 per M tokens – snart open …
H2O-Lightning-4B: Open-weight beslutningsmodel slår Jev på JevBench
H2O.ai udgiver en 4B param model med Apache-2.0 licens, der topper leaderboardet for beslutningsmodeller med 72,5 composite score.
Fællesskab efterlyser officiel 3D-print benchmark for LLM'er
… Resultaterne varierede vildt, og vinderen holdt over 100 lbs – et kald for en standardiseret leaderboard.
Black Forest Labs udgiver FLUX 3 Action – open-weight robotmodel på 7B parametre
Den tyske startup topper leaderboardet med en model halvt så stor som konkurrenternes, designet til at styre robotter via kamerainput og naturligt sprog.
Ox Alpha-mysteriet vokser – ingen vil stå ved modellen
Den mystiske model Ox Alpha topper leaderboards, men ingen lab vil tage æren. Spekulationerne om kinesisk oprindelse fortsætter. [briefingen 24. august](/archive/2026-08 …
VigilSAR udgiver defense-ISR LLM-benchmark med Kimi K3-debut
Den specialiserede forsvarsplatform VigilSAR har offentliggjort en ny leaderboard, der tester sprogmodellers evner inden for efterretnings- og overvågningsdomæner.