Claude Sonnet 5 a prova: navegador autònom i jocs 3D
Bijan Bowen prova Claude Sonnet 5 amb un sistema operatiu web, jocs 3D i tasques multimodals, però el model resulta lent i gasta molts tokens.
Arxiu del canal
Resums publicats
Ornith 1.0 a prova: el model local de codi de 35B convenç més que el de 9B
Bijan Bowen prova Ornith 1.0 en versions de 9B i 35B amb webs, escenes 3D i correccions agentives. El 35B MoE crea els resultats més atractius, però tots dos deixen errors funcionals i la comparació utilitza maquinari i precisions diferents.
Claude Fable 5 en mode difícil: Arduino, un iBook i un joc 3D
Fable 5 programa una granja d’Arduino, crea una ciutat temporal, recupera un iBook i genera un joc 3D. Què funciona i què falla?
Bonsai 8B: què guanya i què perd el model d’IA d’1 bit que ocupa 1,15 GB?
Bijan Bowen prova Bonsai 8B, un model basat en Qwen3 amb pesos d’un bit. És extraordinàriament petit i ràpid, però els tests de codi mostren una degradació clara: genera interfícies bàsiques i conversa, mentre falla en jocs amb lògica més complexa.
Tencent Hy3 a prova: videojocs, codi i l’error que va apagar la pantalla
Bijan Bowen prova Tencent Hy3 amb un sistema operatiu al navegador, videojocs en C++ i 3D, una web de rellotges, un model de motor V8 i un problema real de Linux. El model sorprèn pel preu i la velocitat, però una confusió entre la llum del teclat i la pantalla exposa els riscos dels agents amb accés al sistema.
Inkling, el model obert de gairebé un bilió de paràmetres: no impressiona en codi visual, però apunta a l’empresa
Bijan Bowen prova Inkling, el primer gran model de Thinking Machines Lab: 975.000 milions de paràmetres totals, 41.000 milions d’actius, pesos Apache 2.0 i entrada de text, imatge i àudio. Les demos de codi queden lluny dels millors rivals, però la personalització i el desplegament empresarial són la seva aposta real.
Kimi K3 posat a prova: el model obert gegant brilla programant, però pensa massa
Kimi K3 combina 2,8 bilions de paràmetres, visió nativa i un context d’un milió de tokens. Les proves de Bijan Bowen mostren resultats espectaculars en jocs, webs i impressió 3D, però també una latència i una tendència a sobrepensar que pesen en l’experiència.
Qwen3.8 Max Preview a prova: brillant en interfícies, irregular en codi i 3D
Una prova pràctica de Qwen3.8 Max Preview mostra un gran frontend, però resultats febles en C++, CAD, microcontroladors i coherència espacial.
Bonsai 27B a 1 bit i ternari: què es conserva —i què es perd— en comprimir un model nou vegades
Una comparativa entre Bonsai 27B binari, ternari i FP16 revela una compressió espectacular, però també pèrdues de precisió, fiabilitat i velocitat segons el maquinari.
Gemini 3.6 Flash a prova: velocitat espectacular, resultats irregulars i dos prototips brillants
Una prova extensa de Gemini 3.6 Flash amb webs, C++, jocs 3D, un model imprimible i una app Android: molt ràpid i proactiu, però irregular.