Benchmarks

Lato API, GPT-6 Astra costa esattamente quanto Fable 5.1. Ma il 62,7% contro il 99,9% su ARC-AGI-3 lo dimostra: il numero da titolo appartiene all'harness. Con una strategia di lettura e una matrice decisionale per chi sviluppa agenti.

Qwen3.8-27B gira su una gamma sorprendente di hardware – ma a che velocità reale? Benchmark baseline vs ottimizzati dalla community (al 19/08/2026): una RTX 3090 a ~1.000 tok/s su 64 flussi paralleli, una RTX 5090 a 148 tok/s, un DGX Spark a 210 tok/s aggregati, DFlash 2 a 3,4x su H200 – più RTX 5080 laptop, Mac mini, MacBook Pro, Mac Studio e AMD Strix Halo con prefill, decode e concorrenza.

Due impostazioni API hanno portato GPT-5.6 Sol dal 13,3 % al 38,3 % su ARC-AGI-3, senza toccare i pesi. Perché a decidere il punteggio è l'harness, non il modello.

Claude Mythos Preview raggiunge il 92,1% su Terminal-Bench 2.1 con timeout di 4 ore. Cosa rivela questo risultato sulla valutazione dell'IA e cosa significa per i team enterprise.