2026-05-17最高のベンチマークスコアが本番環境での成功を予測しない理由—そして実際に重要なもの誰も語らない37%のギャップ あるモデルがMMVUで満点に近い。GSM8Kで92%を達成する。調達チームは納得する。そして本番環境に上がると、最初の顧客ワークフローで幻覚を起こし始...
