Estou confuso sobre isso. É tão incongruente com a minha experiência real do dia a dia de LLMs, que é que eles quase todos soam iguais agora, e têm sido desde Claude 3.5 Sonnet. Ou os benchmarks perderam o sentido ou os modelos simplesmente se tornaram tão bons que melhorias adicionais não podem ser sentidas por vibrações, mas apenas por meio de análises rigorosas.