Benchmarking van AI-modellen

Microsoft brengt Decision-1 uit voor routering, classificatie en controle van AI-workflows. Het model kost $0,042 per miljoen invoertokens, maar de claim van 35× hogere snelheid komt uit Microsofts eigen benchmark.

Een Vercel-engineer meldt dat TypeSafe's Jev in een veiligheidsclassifier 5 tot 18 keer sneller en nauwkeuriger was dan GPT-5.6 Luna. De test maakt gespecialiseerde AI-beslissingen concreet voor agentsoftware.

Insilico maakt een benchmark, vijf compacte modellen en de agent Longevity Claw openbaar. In een Cell-studie eindigt L-Qwen3.5-9B boven frontiermodellen en vindt de workflow 328 kandidaatgenen voor longevity-onderzoek.

Epoch AI zet GPT-6 Astra met 169 punten op de eerste plaats van 267 modellen, terwijl Artificial Analysis het op 61 punten precies gelijk aan Sol meet. Astra kost twee en een half keer zoveel per token.

DeepSeek zet V4-Pro als officiële versie op zijn API, onder dezelfde modelnaam en tegen hetzelfde tarief. Er kwam geen aankondiging bij, de gewichten blijven voorlopig de preview en de aangekondigde prijsverhoging staat nog op dezelfde pagina.

Databricks zet het open-weight model GLM 5.2 in als standaard codeermodel voor zijn ontwikkelaars. Op de eigen codebase evenaarde het Opus 4.8 voor 1,28 dollar per taak tegen 1,94 dollar.

De CEO van Snowflake deelde een eigen benchmark op 103 dataprogrammeertaken. Een Chinees open model evenaart vrijwel Claude Opus 4.7, tegen ongeveer een vijfde van de prijs per token.