Jak ostatnio pisałem o sędzim, który ocenia mój benchmark, zostawiłem jedną rzecz na boku. Bo tam opowiadałem o dokładaniu modelu do oceniania, a nie o tym, że model jest w tej cał…
Kiedy ostatnio pisałem o benchmarku (kod, który zabija przeglądarkę), przemilczałem nudną część. Szesnaście modeli, po sześć prób, jedno zadanie – to jest 96 plików HTML, któ…
Po ostatnich ruchach Anthropica – wyższe ceny, mocno ścięte limity – wraca pytanie, które słyszę coraz częściej: „Codex czy Claude Code?”. I moim zdaniem je…