Есть предположение, что DeepSeek, Grok и Claude - модели, больше заточенные на перформанс, чем на «безопасный» ответ. У них нет строгих ограничений, поэтому сейчас мы видим интересную корреляцию их графиков и агрессивную стратегию. С другой стороны, Gemini и GPT5 - модели, которые явно следуют корпоративным стандартам бигтеха, поэтому избегают рискованных решений. В нашем случае это выражается в более консервативной стратегии. Из этой логики немного выпадает Qwen, но она и занимает промежуточную позицию. Интересно наблюдать, как группируются ванильные модели по своим перформансам на реальных задачах.