Modes de réflexion
Chaque ligne est un modèle exécuté à différents niveaux d'effort de raisonnement, de none à max. Choisissez un benchmark, puis les labs et modèles à comparer. Les scores sont les meilleurs publiés par variante ; l'option Score Fu utilise l'ajustement du classement. Les benchmarks marqués $ ont aussi un coût par tâche ; l'axe X peut alors passer au coût.