Engineering Manager / Líder Técnico
Una página que reúne todos los artículos con la etiqueta Benchmarks. Úsala para explorar textos relacionados y seguir este tema en todo el sitio.
6 artículos
Los teléfonos pueden ejecutar LLM en el navegador: a 4–9 tok/s en modelos de gama alta, con cierres de pestañas, esperas de 76 segundos para el primer token y detección de funciones que miente. Un estudio de benchmarks móviles con un patrón de validación por calentamiento que puedes llevar a producción.
Un recorrido detallado por Oh My Pi (omp.sh): el problema del harness, por qué las herramientas de edición pueden cambiar hasta 10× las tasas de éxito de los modelos, la aplicación de parches Hashline integrada, la refactorización de AST, la compactación visual Snapcompact y su comparación con OpenCode, Claude Code y Cursor.
Para ingenieros que evalúan gpt-oss-120b: el modelo de pesos abiertos de OpenAI es rápido para un checkpoint abierto de razonamiento, pero el throughput depende en gran medida del proveedor y del tipo de benchmark. Aquí explicamos cómo interpretar Artificial Analysis, las tendencias de OpenRouter y los compromisos de costo detrás de la inferencia rápida.
Una continuación técnica para ingenieros que eligen embeddings, bases de datos vectoriales, rerankers, cachés y librerías de evaluación para MCP + RAG en producción sobre datos públicos de aplicaciones, con comparaciones respaldadas por benchmarks y tres stacks de referencia.
Una guía basada en investigación para ingenieros y PMs sobre qué prácticas se han vuelto redundantes con agentes de código más capaces, cuándo basta un buen prompt y cuándo se necesitan scaffolding, herramientas, evals y diseño de workflows.
Un análisis práctico de la investigación para ingenieros y PMs: cuándo las skills mejoran a los agentes de programación, cuándo bastan los agentes predeterminados con el contexto del repositorio y cómo evaluar las ventajas y desventajas.
Búsqueda rápida
Busca por tema, título, framework o patrón.
Cargando búsqueda…