Meraktan – ve sizden gelen bazı ipuçları sayesinde – KIMI ve GLM'yi (z.ai) sıralamaya dahil ettim. İkisi de aslında kodlamaya odaklı.
İlgimi çekti: Vergi, tıp, hukuk ve ekonomi alanlarında nasıl performans gösteriyorlar? (Claude, ChatGPT, Gemini ve Grok da artık çeşitli model sürümleriyle dahil edildi ve sıralamayı epey değiştirdi.)
Ama özellikle sonuçlardaki iki örüntüye bir bakın:
→ 1. Tamamen aynı sorulara rağmen ortaya çıkan standart sapmalar.
→ 2. Modellerin zaman içindeki ilerleme eğilimi – gözlem süresi hâlâ nispeten kısa olsa da şimdiden fark edilebiliyor.
%99'a ulaşan ilk model hangisi olacak?
