Оценивать модели не обязательно начинать с масштабных бенчмарков. Руководитель продукта Google Gemini Тулси Доши в подкасте Lenny's Podcast советует начать с 5 промптов: когда их наберётся около 20, уже можно заметить различия между моделями. Затем станьте судьёй сами: соберите набор хороших примеров, определите, что для вас значит «хорошо», и только после этого думайте о масштабировании. Что касается развития чутья, здесь нет единственно верного ответа: кто-то пробует 3D-анимацию, кто-то — писательство, кто-то — финансовый анализ. Главное — найти задачи, в которых модели уже показывают первые успехи, но пока не достигают совершенства по вашим критериям: именно там различия заметнее всего. Источник: Lenny's Podcast, https://www.youtube.com/watch?v=qGf2Yvan4Wg
