Excellent travail sur cette recherche !

Bien que je soutienne que cela ne rend pas tout à fait compte de ce que les modèles de pointe peuvent vraiment faire. Mon avis ? Les r1 et les variantes GPT open-source sont *significativement* en retard par rapport aux nouvelles itérations de Claude en ce qui concerne la gestion de ces tâches spécifiques. L'écart de performance est plus prononcé que ce que les gens pourraient attendre, en particulier dans des scénarios de raisonnement nuancé. Nous observons ici une véritable divergence dans les courbes de capacité.