» Etiket
benchmarking
55 yayınAwsmux: Çoklu Hesap AWS CLI Aracı, Ajanlarda 5,4 Kata Kadar Hız Sağlıyor
Awsmux, paralel çalışan çoklu hesap AWS CLI aracı: AI ajanlarında 5,4 kata kadar hız, 7,4 kat daha az token ve onay sınırlı güvenlik sağlıyor.
Favur Evals: Hangi yapay zeka modeli daha iyi kod yazıyor?
Favur, farklı yapay zeka modellerinin kodlama performansını karşılaştıran bağımsız ve halka açık bir liderlik tablosu olan Favur Evals'ı duyurdu.
Diferansiyel Testler Native ve Generic XDP Farklarını Gösteriyor
Native ve generic XDP arasındaki davranış farklarını ölçen açık kaynak diferansiyel test harness'ı ve 11 paketlik taban çizgisi sonuçları.
CommitBrief — terminalde yapay zekâ destekli kod incelemesi
Staged değişiklikleri, bir commit aralığını ya da bütün bir GitHub pull request'ini yerelde inceleyen sağlayıcı bağımsız CLI. Sıfır telemetri, sunucu yok. Açık kaynak, GPL-3.0.
commitbrief.comBun, Deno ve Node.js 2026 karşılaştırması: gerçek benchmark sonuçları
Aynı makinede tekrar ölçülen Bun, Deno ve Node.js testleri, dolaşımdaki eski benchmark rakamlarının çoğunu geçersiz kılıyor. Hangi runtime ne zaman doğru seçim?
1 milyon token başına fiyat neden yanıltıcı bir metrik
AI modellerini token başına fiyatla karşılaştırmak yanıltıcı olabilir. Tokenizer farkları ve chain-of-thought verimliliği, gerçek görev maliyetini token fiyatından çok daha fazla etkiliyor.
110 veritabanı sistemi için bir oyun alanı oluşturuldu
110 veritabanı sistemi için interaktif bir oyun alanı oluşturuldu. Kullanıcılar sorgu çalıştırabilir ve sonuçları karşılaştırabilir.
LLM'lerin Kriptanaliz Yeteneğini Ölçme
Yeni benchmark, LLM'lerin kriptanaliz yeteneğini ölçüyor. Anthropic'in modeli yeni saldırılar keşfetti.
AI Ajan Göçünü Benchmark Etmek: Hız Artışına Güvenmemek
AI ajan göçü için güvenilir bir benchmark oluşturma yöntemleri ve önemi.
Vero: AI Ajanları Formally Doğrulanmış Yazılım Depoları Oluşturabilir mi?
Vero, AI ajanlarının çok modüllü yazılım depolarında uygulama ve kanıt sentezini değerlendiren bir benchmark sunuyor.
2026 WebAssembly Çalışma Zamanlarının Performansı
2026 WebAssembly çalışma zamanlarının performansını inceleyen testler, Wasmer'ın en iyi olduğunu ortaya koydu.