benchmark no Hacker News
68 títulos de 63 autores nos últimos 30 dias, com 66 links diferentes e 12 Show HN.
Conta títulos, não confirma fatos. Abra a fonte antes de concluir qualquer coisa.
Projetos deste termo
A nota vem do nosso modelo.
- Show HN: Self-bench – benchmark de agentes de programação em software do mundo real · nota 7.5
SelfBench gera benchmarks privados para agentes de codificação a partir dos próprios pull requests mesclados de um repositório, reconstruindo tarefas, escrevendo testes ocultos e validando-os por meio de um pipeline de múltiplas etapas. Executa agentes e modelos nessas tarefas para traçar precisão versus custo com uma fronteira de Pareto, preenchendo uma lacuna real entre benchmarks públicos genéricos e o desempenho específico de cada repositório.
- Show HN: AI SRE Arena, um benchmark aberto para agentes de SRE com IA no Kubernetes · nota 7.3
Project Arena é um benchmark neutro em relação a fornecedores para avaliar agentes de SRE com IA em Kubernetes. Ele implanta um cluster Kubernetes descartável, injeta falhas em 21 cenários, captura registros de investigação de qualquer produto e os pontua com um juiz configurável. Permite comparações reproduzíveis entre ferramentas de investigação de incidentes baseadas em IA.
- Show HN: Benchmark de autorouter em várias PCBs · nota 7.0
autorouter-bench é um benchmark reproduzível para autorouters de PCB, usando o KiCad como árbitro independente para pontuar conclusão, violações de DRC e outras métricas em placas reais de hardware aberto. Ele fornece conjuntos de placas curados (8 placas principais e 25 placas públicas adicionais) com fontes upstream fixadas e design rules consistentes, permitindo uma comparação justa de ferramentas de roteamento. O projeto preenche uma lacuna na avaliação objetiva de autorouting em EDA e é particularmente valioso para engenheiros de hardware e pesquisadores.
- Show HN: Faça benchmark de agentes de programação em deploy de aplicações · nota 7.0
ai-deploy-bench é um benchmark que mede quão bem agentes de codificação com IA (especificamente Claude Code) conseguem construir e implantar cinco tipos de aplicações web em cinco provedores de cloud. Ele executa cada célula no GitHub Actions, verifica as implantações com testes black-box e publica resultados incluindo taxas de sucesso, intervenção humana necessária, pontuações de segurança e custos. Isso proporciona uma avaliação reproduzível e ponta a ponta da capacidade do agente, desde a geração de código até a implantação em produção.
Títulos recentes
Títulos traduzidos por IA, que pode errar. O original fica logo abaixo.
- Como fazer benchmark de treinamento com GPUs mistas sem se enganar
How to benchmark mixed-GPU training without fooling yourself
31/10/2026 · nodeox.com · discussão no HN - ViBench 2.0: Um benchmark para construção de software de longo horizonte
ViBench 2.0: A Benchmark for Long-Horizon Software Building
31/10/2026 · frontier.replit.com · discussão no HN - GBench: DeepMind abre o código de suíte de avaliação com 86 suítes de benchmark
GBench: DeepMind open-sources evaluation suite with 86 benchmark suites
31/10/2026 · github.com · discussão no HN - Benchmark de recursos de servidores MCP: RAM, tempo de inicialização e número de ferramentas em 11 servidores
MCP server resource benchmark: RAM, startup time and tool counts for 11 servers
31/10/2026 · techfuelhq.com · discussão no HN - Benchmark ao vivo de APIs de web scraping e proxies residenciais (2026)
Live benchmark of web scraping APIs and residential proxies (2026)
31/10/2026 · github.com · discussão no HN - Benchmark DualChem
DualChem Benchmark
29/10/2026 · scale.com · discussão no HN - Fazemos benchmark de LLMs na PostHog com tarefas práticas e dados reais
We benchmark LLMs at PostHog on practical tasks with real data
29/10/2026 · posthog.com · discussão no HN - Benchmark de ingestão de logs: Loki, Elasticsearch, VictoriaLogs e ClickHouse
Logs Ingestion Benchmark: Loki, Elasticsearch, VictoriaLogs and ClickHouse
29/10/2026 · victoriametrics.com · discussão no HN - Frontier CS adicionou benchmark para o Gemini 4 Argon no Antigravity
Frontier CS added benchmark for Gemini 4 Argon on Antigravity
27/10/2026 · twitter.com · discussão no HN - Quase não basta: apresentando o VybBench, nosso benchmark de fidelidade de design
Almost isn't good enough: Introducing VybBench, our Design Fidelity Benchmark
27/10/2026 · cocolabs.ai · discussão no HN - Show HN: fiz um benchmark do /localllama do Reddit usando IA, claro
Show HN: I made /localllama Reddit benchmark using AI ofc
27/10/2026 · aexol.ai · discussão no HN - Raciocínio estático não prova comportamento em tempo de execução: benchmark de revisores de PR com IA
Static reasoning can't prove runtime behavior: benchmark of AI PR reviewers
27/10/2026 · heal.dev · discussão no HN - Show HN: Benchmark de autorouter em várias PCBs
Show HN: Autorouter Benchmark on Various PCBs
26/10/2026 · github.com · discussão no HN - Simulador tipado de regras do Tibia com alvo em WGSL para o benchmark OT Agent Arena
Typed Tibia-rules simulator targeting WGSL for the OT Agent Arena benchmark
24/10/2026 · github.com · discussão no HN - Benchmark de segurança de agentes de programação com IA
AI Coding Agent Security Benchmark
23/10/2026 · endorlabs.com · discussão no HN - Novos resultados do benchmark EDA (prévia) já estão no ar
New EDA Benchmark (sneak peek) results are live
23/10/2026 · github.com · discussão no HN - FrontierCS 2: um benchmark para P&D em ciência da computação
FrontierCS 2: A Benchmark for Computer Science R&D
23/10/2026 · frontier-cs.org · discussão no HN - Estado do IaaS e da computação em 2026: referência de mercado e análise de custos
State of IaaS and Compute 2026: market benchmark and cost analysis
22/10/2026 · cloudcompare.dev · discussão no HN - AA-PersonalityBench: benchmark de personalidade e estilo de comunicação de IA
AA-PersonalityBench: AI Personality and Communication Style Benchmark
22/10/2026 · artificialanalysis.ai · discussão no HN - Como criei um benchmark extraído do meu próprio repositório que concordou com o FrontierCode
How I made a benchmark mined from my own repo that agreed with FrontierCode
21/10/2026 · stet.sh · discussão no HN - Elektric – compare suas requisições de IA em 150 modelos por custo/qualidade
Elektric – Benchmark your AI requests across 150 models for cost/quality
21/10/2026 · elektric.ai · discussão no HN - Panorama de PaaS e Hospedagem Web 2026: benchmark de mercado e análise de custos
State of PaaS and Web Hosting 2026: market benchmark and cost analysis
21/10/2026 · cloudcompare.dev · discussão no HN - Honest Raw LLM Code Review Benchmark: 21 modelos, 7.980 revisões
The Honest Raw LLM Code Review Benchmark: 21 Models, 7,980 Reviews
20/10/2026 · ironbee.ai · discussão no HN - Benchmark de código aberto para programação de aplicações web de longo prazo
Open-source benchmark for long-horizon web-app coding
20/10/2026 · github.com · discussão no HN - Show HN: AML CYCLE 2, um benchmark de memória de longo prazo para agentes
Show HN: AML CYCLE 2, a benchmark for long-term agent memory
20/10/2026 · x.com · discussão no HN - PE Bench: benchmark para o trabalho de analistas de private equity
PE Bench: Benchmark for private equity analyst work
20/10/2026 · getcompound.ai · discussão no HN - Estado dos bancos de dados gerenciados em 2026: benchmark de mercado e análise de custos
State of Managed Databases 2026: market benchmark and cost analysis
19/10/2026 · cloudcompare.dev · discussão no HN - Convocando todas as GPUs: ajudem a fazer benchmark do SonicBoom v0.0.3
Calling all GPUs: help us benchmark SonicBoom v0.0.3
19/10/2026 · github.com · discussão no HN - Show HN: Índice independente de benchmarks de LLM acompanhando 22 modelos de fronteira
Show HN: Independent LLM benchmark index tracking 22 frontier models
18/10/2026 · vibecoderjournal.com · discussão no HN - Needle: Benchmark de motores de busca para agentes
Needle: Search Engine Benchmark for Agents
18/10/2026 · keenableai.github.io · discussão no HN