Benchmark reproducibility

Mistral biedt Large 4 direct via API aan, maar stelt de open gewichten uit tot eind oktober. Scores voor code en cybersecurity zijn concreet, terwijl prijs, regiokeuze en licentie de praktische inzet bepalen.

ReviewBench laat ontwikkelteams AI-code-reviewers vergelijken op 219 openbare pull requests. De dataset en scoremethode zijn openbaar, maar labels steunen deels op een taalmodel en de volledige score vraagt eigen rekencapaciteit.