Bilanz der Quelle: AgentHop-Diagnosebenchmark zeigt, dass Claude Opus 4.6 und Sonnet 4.6 trotz gleicher Punktzahl unterschiedliche Arbeiten durchführen. Der Benchmark mit 1.011 Multiple-Choice-Fragen und kontrollierten Werkzeugen unter festen Budgets zeigt, dass sich das Verhalten nach Modellfamilie clustert.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
