https://korchasa.dev/uk/tags/benchmarks/Recent content in Benchmarks on korchasa@*opsHugoukFri, 12 Jun 2026 00:00:00 +0000https://korchasa.dev/uk/posts/2026_06_12_agents_comparison_benchmarks/Fri, 12 Jun 2026 00:00:00 +0000https://korchasa.dev/uk/posts/2026_06_12_agents_comparison_benchmarks/<p><a href="https://github.com/korchasa/flowai-experiments/tree/main/agents-comparison" rel="nofollow noopener noreferrer external">https://github.com/korchasa/flowai-experiments/tree/main/agents-comparison</a></p> <p><img src="https://korchasa.dev/posts/2026_06_12_agents_comparison_benchmarks/image.png" alt="Ілюстрація: бенчмарки автономних агентів"></p> <p>Поганяв на 40% ліміту бенчмарки, наближені до моїх реальних задач, на opus/fable/gpt-5.5 — повністю автономна агентська робота: генерація застосунку з нуля, аудит проєкту і три задачі реалізації різної складності.</p> <p>Що можна сказати хоч скільки-небудь впевнено:</p> <ul> <li>fable за якістю результату кращий за opus-4.8 і gpt-5.5. Для себе сформулював гіпотезу fable medium = opus xhigh.</li> <li>opus xhigh — несподівано дорогий через занадто довгі роздуми. Іноді дорожчий за fable.</li> <li>Зовнішній вигляд — це все ще біль. Усе темно-неоново-однакове.</li> <li>На повноцінні тести знадобиться 1-2 тижневих ліміти на claude x20.</li> </ul> <p>Гіпотези:</p>