26 Revize (4e0d85205a62fc52d44a7fd065f422f1329a6561)

Autor SHA1 Zpráva Datum
  orangels 70ced01112 feat: record response debug cases in reports před 1 měsícem
  orangels a15a62264a fix: set bench max tokens default to 64k před 1 měsícem
  orangels 739524628c feat: report effective benchmark request params před 1 měsícem
  orangels 986dc4e088 fix: restore bench max tokens default před 1 měsícem
  orangels 1a98836b94 fix: set bench max tokens default to 200k před 1 měsícem
  orangels 948e32d64a feat: log request errors for debug před 1 měsícem
  orangels e0aca08f36 feat: align gpqa scoring with simple evals před 1 měsícem
  orangels 898d02f7ef feat: record upstream error debug payloads před 1 měsícem
  orangels 18cc7ff716 feat: add provider thinking parameters před 1 měsícem
  orangels ee13739c5e feat: add raw response debug mode před 1 měsícem
  orangels 60cc009c83 fix: support bare stream flag and cover SSE parsing před 1 měsícem
  orangels f21ab8bd4c feat: add --max-tokens CLI param and correct_samples to bench reports před 1 měsícem
  orangels 4988a86654 feat: add progress bars to benchmark and RPM execution před 1 měsícem
  orangels 527b1e8fc7 feat: add params field to RPM and benchmark reports před 1 měsícem
  orangels fdb437a732 fix: correct streaming bugs and RPM diagnose gaps před 1 měsícem
  orangels 20217b2250 feat: add streaming (SSE) support with TTFT metrics před 1 měsícem
  orangels 2b9fae7ebd feat: report rpm limiter mode details před 1 měsícem
  orangels 0a96e11e98 feat: run rpm limiter modes před 1 měsícem
  orangels 65ce102004 fix: resolve only selected provider env refs před 1 měsícem
  orangels 31c41cb8ac fix: satisfy final clippy checks před 1 měsícem
  orangels 83edc789df fix: make benchmark and rpm execution reliable před 1 měsícem
  orangels 5d1163d635 feat: run benchmark and rpm tests před 1 měsícem
  orangels 1e0926cfba feat: add openai and anthropic request adapters před 1 měsícem
  orangels 2064c69924 fix: tighten benchmark dataset helpers před 1 měsícem
  orangels 67a4ea8af4 feat: add benchmark dataset fetch and prompts před 1 měsícem
  orangels c0ebdea077 chore: initialize cli project skeleton před 1 měsícem