code-review (Matt Pocock) vs pptx (anthropics/skills)
code-review (Matt Pocock)
23.5 / 30
状況次第安全
Matt Pocock's code-review:3 つのレビュータスクでプレーン Codex と同じ検出率、トークンは 1.5 倍。
- SOTA合格
pptx (anthropics/skills)
24.0 / 30
状況次第安全
anthropics pptx:すべての群がデッキチェックに合格します(5.0 対 4.99)。スキルのトークンは 1.4 倍です。一文プロンプトの 1 実行では LibreOffice で開けないデッキが生成されました。
- SOTA合格