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

Este artigo detalha um benchmark comparando Claude 3.5 Sonnet, GPT-4o e Gemini 2.0 Flash em cinco tarefas reais de desenvolvimento, usando PromptFuel para medir o uso de tokens e o custo. Ele destaca que confiar no "feeling" para escolher um LLM pode ser caro e apresenta descobertas iniciais sobre desempenho.