Di OSWorld-Terverifikasi, yang menguji penggunaan komputer sebenarnya

Qwen 3.8 Maks: 86.1 Claude Fabel 5: 85.0 GPT-5.6 Sol Maks: 83.2 Gemini 3.1 Pro: 76.2 Yaitu mengklik, membuka aplikasi, dan menyelesaikan tugas desktop. Bukan sekedar menjawab perintah.

Julian Goldie SEOAug 91

Hari ini adalah harinya! Bobot terbuka Qwen 3.8 27B.

JoeyAug 1419

Saya meminta Hermes Studio untuk membuat pulau terpencil menggunakan threejs 🏝️ Bagi saya yang tidak…

Saya meminta Hermes Studio untuk membuat pulau terpencil menggunakan threejs 🏝️ Bagi saya yang tidak bisa bepergian ke luar negeri selama liburan musim panas haha Qwen-3.8-MAX dari Go menghabiskan batas 4 jam dua kali dalam waktu singkat dan menyelesaikannya di tengah jalan, jadi saya meminta GPT 5.6 Luna dari Codex membantu saya dalam penyesuaian akhir.

ひつじAug 141

GLM 5.3 Max vs Qwen 3.8 Max vs Grok 4.6 vs Opus 5

GLM 5.3 Max sebenarnya bertahan dengan sangat baik di sini. Peringkat saya untuk putaran ini: Opus 5 > Qwen 3.8 Maks > GLM 5.3 Maks > Grok 4.6 Benar-benar kompetitif sekarang. GLM semakin dekat.

OmedTheVibeCoderAug 1415