llm-benchmark：OpenAI、Gemini、DeepSeek 与本地 Ollama 模型的 LLM 对比评测仓库

开源仓库 llm-benchmark 构建了一套对比 OpenAI、Gemini、DeepSeek 与本地 Ollama 模型的评测工具，在同批任务上测量回答质量（对照标准答案及可选 LLM 评审）、客户端延迟与以美元估算的成本。数据集 data/eval/tasks.v1.jsonl 含 52 条任务，分 factual、reasoning、portuguese、numeric 等 6 类；内置价格表如 gpt-5-mini 输入 USD 0.25/1M、输出 USD 2.00/1M，gemini-2.5-flash 与 deepseek-flash 也已列出。该项目目前尚无真实 API 测量、排名或结论，实验验证留给后续 PR4。