“benchmark” için 1 sonuç
Anthropic’un yeni Claude Opus 5.5 modeli, lansmanından sonra performansının düşüp düşmediğini izlemek için geliştirilen Livenerf benchmark’ı ile test ediliyor. Benchmark, modelin güncel performansını istatistiksel olarak ölçerek “nerf” olaylarını tespit etmeyi hedefliyor.
