یک مدل جدید منتشر شد — از کجا بفهمید ارزش تغییر دارد؟

در حال حاضر خیر. QCode خانواده‌های Claude، GPT/Codex، GLM، Kimi، DeepSeek و Qwen را ارائه می‌دهد؛ Ornith-1.5 در میان آن‌ها نیست.

چون خودمان آن‌ها را اجرا نکرده‌ایم. انتشار ارقام تأییدنشده به فردی که تصمیم انتخاب می‌گیرد آسیب می‌زند — و این تصمیم هزینه و زمان دارد.

معمولاً برای یک تصمیم فردی کافی است، به شرطی که آن بیست تسک واقعاً توزیع عادی شما را بازتاب دهند. اگر نامزدها بسیار نزدیک از کار دربیایند، آن را به پنجاه برسانید و دوباره بررسی کنید.

چون دانستن منبع، امتیازدهی را به‌طور محسوس تغییر می‌دهد. این اثر به‌ویژه در مدل‌های تازه‌منتشرشده شدیدتر است، جایی که صرفاً انتظار، امتیازهایی را که افراد می‌دهند بالا می‌برد.

همین مرحله است که بیشترین صرفه‌جویی را دارد. اگر سه اجرا تفاوت زیادی داشته باشند، «بهتر است» نتیجه‌ای ناپایدار است و تصمیم مهاجرت مبتنی بر آن بسیار پرهزینه‌تر خواهد بود.

این نتیجه ارزشمندی است. خروجی رایج یک ارزیابی انتخاب، «تغییر مدل» نیست، بلکه «نیازی به تغییر نیست» است — که در هزینه مهاجرت برای شما صرفه‌جویی می‌کند.