Сейчас куча AI сервисов при каждом обновление выстраивают свои бренд активности вокруг того, как они лучше чем другие AI сервисы. Это влияние на бренд и упоминание, все дела. Я понимаю. Но. - Для кого вообще все эти сравнения? То что Claude Opus лучше Gemini на 3-4 п.п. это круто или нет? Как понять простому пользователю? - Как эти 3% влияют на выполнение реальных задач? Мне со стороны кажется что примерно на уровне погрешности. - Все используют те бенчи, которые показывают их с лучшей стороны. Ок, не осуждаем. - И забавно как скейлятся графики, когда сравнивают 80 и 77%, на них это ну разница как минимум раза в 2. В действительности, если строим график от 0 этой разницы просто не будет видно.