Toda vez que um modelo grande chinês aparece, sempre tem alguma coisa do tipo: a arena coloca um placar, e aí vem a clássica “humilhada” do Claude e do GPT. É sempre assim?

Ou são benchmarks de front-end, ou é algum tipo de avaliação de tarefas específicas. Enfim, toda vez que sai, parece que querem criar uma grande notícia.

No começo eu até testei de propósito, só pra ver e checar. Depois fiquei com preguiça de testar; é mais ou menos como quando, antes, empresas nacionais ficavam postando benchmarks dizendo que derrotavam a Apple do nada — e qual é a utilidade disso de verdade?

Na arena, é basicamente “recebe e faz”: é só pra ver se diverte. O ideal era usar um Fable Sol pronto, mas não usam; também não usam o SOTA. Ir pra outros modelos só significa perder tempo.