Я в замешательстве по этому поводу. Это так не соответствует моему реальному опыту использования LLM, который заключается в том, что они сейчас все звучат одинаково, и так было с тех пор, как появился Claude 3.5 Sonnet. Либо бенчмарки стали бессмысленными, либо модели просто стали настолько хороши, что дальнейшие улучшения не ощущаются по ощущениям, а только через строгий анализ.