LLM Eval Multi Model

여러 LLM 모델 (Dense vs MoE, GPT vs Claude vs Llama 등) 동시 평가 및 비교. 사용 시점 — "두 모델 비교", "벤치마크", "모델 평가", "코딩 능력 비교", "한국어 응답 비교", "tool calling 정확도", "latency vs accuracy". 동일 prompt 다중 endpoint 호출 + 메트릭 (latency, token usage, response quality) + 통계 분석.