// mondaybench #003 beta

El mismo lunes caótico
para 10 modelos abiertos

Seis fuentes. Seis compromisos con fecha en una semana, tres de ellos esperando a la misma migración de tres horas, y un ingeniero reclamado por dos a la vez.

Una pregunta: ¿Sabe planificar con dependencias?

  • 10 modelos
  • 3 runs cada uno
  • juez Opus 5
  • congelado y auditable

// seis compromisos con fecha · una semana · 3 espera a la migración de billing

Lun Mar Mié Jue Vie Export compliance Q3 Contoso Julia Mar 16:00 SSO enterprise para Atlas Marcus Mié 17:00 Hito Q3 de billing Elena Jue 15:00 Página pública de precios Sarah Jue 17:00 Informe al consejo, ingresos Sarah Vie 10:00 Lanzamiento de onboarding Julia Vie 12:00
  • ahora · lunes 09:10
  • espera a la migración de billing
  • no le debe nada
01

El resultado

Diez modelos, 30 runs, un juez.

// resultados

La clasificación

El Monday Score mide solo calidad: si el briefing reconstruyó bien la situación y eligió el trabajo que importaba. La velocidad va al lado y nunca se mezcla dentro.

Solo modelos abiertos Todos los modelos

Claude, Gemini y GPT solo existen tras su API. Desactivado, la tabla ordena solo los modelos abiertos; activado, ordena todo el campo junto.

monday-001 · 13 models, 3 runs each
# Modelo Monday Score Rango de runs TTFA mediana Latencia total Ver detalle de