Как раз тестировал Arena в первый день — модель действительно мощная, но с ТЗ реально беда, тоже заметил. По лимитам согласен, 24 часа — это больше маркетинг, чем реальная возможность что-то сделать.
Кстати, если нужно просто сравнить поведение разных моделей на одной задаче, не заходя в каждую...