JevBench v1.3.0: Jev 1.13.0 lidera entre 52 modelos de decisión tipados
Show HN: JevBench, a reproducible benchmark for typed decision models
JevBench, el benchmark propio de Benchmark Heaven, clasifica 52 sistemas de decisión tipada usando 534 decisiones, incluidas 220 difíciles. Jev 1.13.0 de TypeSafe AI obtiene la puntuación más alta (74.4), seguido de cerca por SemIf y djev. La evaluación combina inteligencia, calibración, velocidad y coste, y se ejecuta desde un servidor en Alemania con tareas y reglas públicas.
JevBench es el benchmark propio de Benchmark Heaven para modelos de decisión de clase Jev: entran estado y una rúbrica acotada, sale una respuesta tipada.