Vonzlov 开源 llm-bench：面向任务选择的 LLM 对比评测工具

Vonzlov 的 llm-bench 项目用统一基准对比 Ollama、vLLM 本地模型与云端 API 模型的质量、速度和价格，并给出推荐。项目已完成阶段 0（脚手架、CI、假模型、k3s GPU 支持），阶段 1 核心包括测量客户端、负载生成器（1–32 并发阶梯）、MASSIVE 和 XQuAD 开源数据集下载，以及分类任务的质量评测（准确率、macro-F1、95% bootstrap 区间）。整个系统在单台 GPU 机器上以 Kubernetes 运行，架构不绑定具体机器。