Cada vez que los grandes modelos nacionales publican algo, siempre es arena y sacan un puntaje, y luego es el clásico “absoluta paliza” a Claude y GPT.

¿Es que cada vez es así?

O bien son los puntajes de un test del front-end, o bien son puntajes de alguna tarea especial; en cualquier caso, cada vez que lo publican suena como si quisieran convertirlo en una gran noticia.
Al principio incluso fui a probarlo a propósito, a ver y comprobar; después ya me dio pereza probar, como cuando antes en China algunas empresas publicaban puntajes para “aplastar” a Apple sin que sirviera de mucho… ¿qué utilidad tiene?

Arena es, básicamente, “cobran y hacen el trabajo”: para reírse un rato y ya. Si tienes listas las opciones de Fable Sol y además el SOTA, no las usas; y en vez de eso usar otros modelos es perder tiempo.