shogo

中文参考

Jev 三天前发货，但没有人对其进行基准测试。所以我做到了。 60条真实形状的客户留言。相同的问题，相同的条件，零重试。 Jev vs GPT-4o-mini vs 克劳德十四行诗 4.5。 Jev 连续正确 157 次。系统还是失败了。 速度第一，最少

原帖全文 / EN

Jev shipped three days ago and nobody had benchmarked it. So I did. 60 real-shaped customer messages. Same questions, same conditions, zero retries. Jev vs GPT-4o-mini vs Claude Sonnet 4.5. Jev was right 157 times in a row. The system still failed. Speed first, the least