Este contenido evalúa el rendimiento del modelo MoE cuantificado Qwen 3.6 35B A3B Q4_K_M en CPU, utilizando benchmarks como HumanEval, HellaSwag y BFCL. Alcanzó 22 tokens/seg, mostrando un fuerte rendimiento en razonamiento de sentido común (74%) y resultados sólidos para un modelo MoE activo de 3B.
Este artículo evalúa Claude Opus 4.6, Sonnet 4.6 y Haiku 4.5 en 10 tareas reales utilizando AgentHunter Eval v0.3.1. Opus 4.6 fue el único modelo en lograr una puntuación perfecta, mientras que Haiku 4.5 resultó ser significativamente más rápido y rentable, a pesar de fallar en una tarea al igual que Sonnet 4.6.
El repositorio 'review-prompts' en GitHub ofrece una colección de prompts de código abierto para mejorar la evaluación de modelos de IA, buscando una comprensión integral del rendimiento, sesgos y limitaciones. Este recurso fomenta un enfoque más riguroso y transparente para el desarrollo de la IA.