AI - un stack universal

Ce mi se pare foarte tare la revoluția AI prin care trecem în dezvoltarea software e că nu mai contează ce tech stack folosești, tehnicile sunt aceleași.

Dacă până acum eram împărțiți în triburi de Ruby, Python, Typescript, și vorbeam doar între noi, acum putem toți împărtăși modurile prin care folosim agenții cât mai eficient.

Întrebare: ce tehnici de benchmarking folosiți?

Eu folosesc Cursor și am fost foarte mulțumit de Grok 4.6 - impresia personală, fără să fac vreun benchmarking, e că a fost comparabil cu Opus 5, chiar dacă mult mai ieftin.

Sunt foarte curios acum de diferența dintre Grok 4.7 și Opus 5.5. Voi cum măsurați local inteligența modelelor?

De exemplu, DHH a folosit translatarea unei librării Linux din Python în Rust, dar mie mi se pare cam prea mult.