3 Things I Learned Benchmarking Claude, GPT-4o, and Gemini on Real Dev Work

Este artículo detalla un benchmark comparando Claude 3.5 Sonnet, GPT-4o y Gemini 2.0 Flash en cinco tareas reales de desarrollo, utilizando PromptFuel para medir el uso de tokens y el costo. Subraya que confiar en la intuición para seleccionar un LLM puede ser costoso y presenta hallazgos iniciales sobre el rendimiento.