Research08.09.2026 · 10:42

Tôi đã thử nghiệm 10 kết hợp model/harness trên cùng một tác vụ Three.js

Từ alvins82.github.io

AI;DR

Tôi đang thử nghiệm một prompt đơn giản với các kết hợp model và harness khác nhau để xác định kết hợp nào cho kết quả tốt nhất. Tôi thực hiện điều này trong chế độ /goal. Prompt: Xây dựng một trang web đơn trang Three.js thế giới khoa học viễn tưởng với sân hàng không gian lượn sóng, drone bay lượn, đèn cảnh báo động, dải phản quang runway và những mặt phẳng sương mỏng phong cách thể tích. Bao gồm công tắc chuyển đổi đội hình drone và đường dẫn camera điện ảnh. Xuất ra một tệp HTML tự chứa với JavaScript nội tuyến. Tất cả các lần chạy GLM đều được gán nhãn GLM 5.3 Flash Max; số token đầu vào bao gồm cả token đầu vào được lưu trong bộ nhớ đệm. Số token đầu ra là tổng số token được tạo ra do mỗi harness báo cáo; khi reasoning được báo cáo riêng biệt, cột reasoning sẽ hiển thị phần con của nó. Số token reasoning của Antigravity đã được khôi phục từ siêu dữ liệu phản hồi cục bộ; nhật ký JSONL của nó không bao gồm nó. Adapter DSH không báo cáo số lượng reasoning riêng biệt. Thời gian của DSH tính tổng thời gian hoạt động của cả hai lượt, loại trừ khoảng dừng giữa các lượt. Thời gian TTFT của Antigravity được giải quyết về một giây; thời gian chạy của nó sử dụng dấu thời gian phiên làm việc chính xác. Các lỗi công cụ được ghi nhận là các sự kiện công cụ thất bại. Một gạch ngang có nghĩa là không khả dụng hoặc không được báo cáo. Chi phí là ước tính USD tương đương OpenRouter sử dụng tỷ lệ lấy ngày 2026-09-09 cho các hàng hiện có, ngày 2026-09-22 cho MiMo v2.6 Pro, và ngày 2026-09-23 cho GPT-6 Luna: GLM 5.3 Flash, Qwen 3.8 27B, GPT-5.6 Luna, GPT-5.6 Sol, GPT-6 Astra, và MiMo v2.6 Pro.

Đọc bài gốcĐăng nhập để góp ý

Nguồn

+ 1 nguồn khác
  1. THẢO LUẬNalvins82news.ycombinator.com
#llm#coding#benchmark#harnessBản Markdown
Lịch sử nội dung (2)
  • 2026-10-16 · Tóm tắt · vi · Thay nội dung đã lưu
    Tôi đang thử nghiệm một prompt đơn giản với các kết hợp model và harness khác nhau để xác…
  • 2026-10-16 · Tiêu đề · vi · Thay nội dung đã lưu
    Thử nghiệm 10 tổ hợp model và harness trên cùng một tác vụ Three.js
    Tôi đã thử nghiệm 10 kết hợp model/harness trên cùng một tác vụ Three.js

Bản tin mỗi sáng

Tin quan trọng nhất trong ngày. Miễn phí, hủy bất cứ lúc nào.

Telegram @aihomnay