90 запусков агентов: ThinkingCap против Fable Fusion и Qwen3.6-27B

Автор провел масштабный бенчмарк из 90 запусков, сравнив ThinkingCap, Fable Fusion и Qwen3.6-27B в агентских задачах. ThinkingCap показал лучшую эффективность по токенам, но с неравномерной стабильностью, тогда как Fable Fusion лучше справляется с исследованием, несмотря на склонность к галлюцинациям.