Сравнение моделей ИИ по скорости, цене и качеству

★ 7.4 · vibe-coding

benchmark-models — это скилл для Claude Code, который запускает один и тот же промпт или скилл одновременно через Claude, GPT (Codex CLI) и Gemini, а затем сравнивает латентность, токены, стоимость и количество вызовов инструментов. Вся детерминированная логика сосредоточена в `scripts/model_benchmark.py` (чистый stdlib, без сторонних SDK), а скилл выступает интерактивной оболочкой: выбор промпта, dry-run для проверки авторизации, подтверждение провайдеров, запуск и интерпретация результатов. Опционально подключается судья на базе Anthropic API для оценки качества ответов (~$0.05 за запуск). Итог — сводка с лучшим по скорости, стоимости и качеству вариантом и описанием компромиссов. Используй, когда нужно выбрать модель под конкретную задачу на реальных данных, а не ощущениях.