Je suis confus à ce sujet. C'est tellement incongru par rapport à mon expérience quotidienne des LLM, qui est qu'ils sonnent tous presque de la même manière maintenant, et ce depuis Claude 3.5 Sonnet. Soit les benchmarks sont devenus sans signification, soit les modèles sont devenus si bons que les améliorations ne peuvent être ressenties que par des analyses rigoureuses, mais pas par des impressions.