I Ran 163 Benchmarks Across 10 LLMs So You Don't Have To. Here's What I Found

Este artículo subraya la práctica común de los equipos de pagar en exceso por la inferencia de LLMs debido a la falta de evaluación comparativa adecuada, eligiendo modelos basados en la popularidad en lugar de la eficiencia de costos. El autor, utilizando una herramienta llamada CostGuard, realizó 163 pruebas comparativas en 15 modelos, revelando diferencias de precio sorprendentes de hasta 200 veces entre modelos como Gemini 2.5 Flash y GPT-5.