Ринат из канала @llm_under_hood уже давно собрал бенчмарк на основе бизнес-кейсов, которые внедряет LLM. Это помогает отслеживать прогресс и демонстрировать клиентам возможности моделей. Недавно он протестировал новую линейку OpenAI o1 и сравнил её с передовыми GPT-4o.