Simulação (4 programas)

Prós: Comparação de saída lado a lado para avaliação direta do modelo. Teste cego e votação padronizada para reduzir o viés. Integração nativa MCP para compatibilidade com o host. O benchmarking local mantém os dados de avaliação dentro do seu ambiente.

Contras: Requer um host MCP como Claude Desktop ou similar. Passo de construção do Node.js e TypeScript mais configuração do npm necessária. Mais adequado para desenvolvedores e pesquisadores, não para usuários casuais.