Количественная оценка деградации моделей в сравнении с ценностью за токен

Пользователь ищет объективные бенчмарки, которые бы измеряли, как быстро модели OpenAI теряют качество после релиза. Он отмечает, что разброс производительности от дня к дню велик, и хочет количественный показатель для планирования, так как собственные тесты слишком дороги для стартапа.