› Mam dostęp do jednego API, które wpuszcza mnie do prawie wszystkich topowych modeli naraz - OpenRouter.
› Postanowiłem zrobić coś, czego nie da się wyczytać z tabelek benchmarków: wziąć cztery flagowce od czterech różnych firm, dać im dokładnie te same pięć zadań po polsku i zobaczyć, który naprawdę rozumie nasz język, umie liczyć, pisze działający kod i nie zmyśla.
› Bez litości, na tych samych ustawieniach.
› Każdy model dostał identyczny prompt, tę samą temperaturę (0,7) i ten sam limit odpowiedzi.