ROC-AUC 0,97, Precision 9%: Matematika Base Rate
Telusuri detektor dengan 1% positif, ubah ambang menjadi titik ROC dan precision-recall, lalu pilih titik operasi untuk anggaran peninjauan 30 alert.
Tag
#model-evaluation
9artikeldengan tag ini.
Pengurangan Biaya Kiro GPT-5.6 Terra Sebesar 82% Membutuhkan Denominator yang Lebih Besar
OpenAI dan AWS melaporkan bahwa GPT-5.6 Terra menyelesaikan tugas Terminal-Bench yang berhasil di Kiro dengan biaya sekitar 82% lebih rendah, tetapi pekerjaan repositori menambah review dan perbaikan.
Laporan Risiko Anthropic Agustus Adalah Pengungkapan, Bukan Sertifikat Keamanan
Baca Risk Report Anthropic Agustus 2026 dengan memisahkan tanggal cakupan, penilaian perusahaan, kegagalan yang diungkapkan, redaksi, dan tinjauan eksternal.
Visual Studio Mudah Menghubungkan Model. Reliabilitas Agent Tetap Perlu Diuji
Visual Studio 18.10 Insiders dapat menghubungkan model lokal dan hosted ke mode Agent, tetapi satu uji langsung menunjukkan bahwa endpoint yang tersedia tidak berarti pekerjaan coding yang andal.
Thomson Reuters Membangun Model AI Hukum. Apa yang Dibuktikannya?
Thomson Reuters merilis model proprietary untuk CoCounsel dan open weights untuk versi yang lebih kecil. Berikut yang dapat diverifikasi pembeli—dan yang masih menjadi klaim vendor.
Tiga Juta Model di Hugging Face Membuat Popularitas Menjadi Dasar Seleksi yang Buruk
Hugging Face telah melewati tiga juta model, tetapi like dan download mengungkap perhatian, bukan kecocokan lisensi, provenance, biaya hardware, atau kualitas tugas.
Gemini 3.7 Flash Naik Dua Kali Lipat, tetapi Penalaran Lebih Tinggi Tetap Bisa Lebih Murah
Harga Gemini 3.7 Flash naik pada Januari 2027, sedangkan tingkat penalaran termurah tetap bergantung pada penerimaan, retry, latensi, dan biaya fallback.
API V4 Flash Vision DeepSeek Berguna—dan Masih Eksperimental
DeepSeek telah menambahkan input gambar ke lini API cepatnya, tetapi pratinjau ini belum membuktikan performa yang andal pada screenshot, bagan, dan dokumen.
Harga Token Grok 4.6 yang Rendah Tidak Membuatnya Menjadi Model Termurah
Grok 4.6 menggabungkan harga utama yang rendah dengan benchmark yang dilaporkan kuat, tetapi retry, tugas gagal, latensi, dan biaya tool dapat membalikkan keunggulan yang tampak.