Pickbench
Contacto

Dyson vs. Shark

Aspiradoras verticales inalámbricas60 escenarios

Panel, mismo peso

  • deepseek-v4.1-flashdeepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouter
  • gemini-3.8-flashgoogle/gemini-3.8-flash @ gemini-3.8-flash via OpenRouter
  • glm-5.3-flashz-ai/glm-5.3-flash @ glm-5.3-flash via OpenRouter
  • gpt-6-lunaopenai/gpt-6-luna @ gpt-6-luna via OpenRouter
  • grok-4.7x-ai/grok-4.7 @ grok-4.7 via OpenRouter
  • kimi-k3.1-promoonshotai/kimi-k3.1-pro @ kimi-k3.1-pro via OpenRouter
  • llama-4-maverick-17b-128e-instructmeta-llama/llama-4-maverick-17b-128e-instruct @ llama-4-maverick-17b-128e-instruct via OpenRouter
  • mistral-small-2603mistralai/mistral-small-2603 @ mistral-small-2603 via OpenRouter
  • qwen3.8-flashqwen/qwen3.8-flash @ qwen3.8-flash via OpenRouter
Panel rápido

Demasiado reñidoEl intervalo del panel incluye el 50 %: en conjunto, estos 9 modelos de API no eligen entre Dyson y Shark.

Dyson47 %

Shark53 %

Consenso39–56 %

Demasiado reñido para decidir: el intervalo de confianza incluye el 50 %

Cada modelo

Cuota de DysonSe inclina por …

deepseek-v4.1-flash38 %27–49 %Shark
gemini-3.8-flash58 %46–70 %Demasiado reñido para decidir
glm-5.3-flash36 %26–47 %Shark
gpt-6-luna51 %41–61 %Demasiado reñido para decidir
grok-4.740 %29–53 %Demasiado reñido para decidir
kimi-k3.1-pro44 %32–57 %Demasiado reñido para decidir
llama-4-maverick-17b-128e-instruct63 %53–72 %Dyson
mistral-small-260343 %35–51 %Demasiado reñido para decidir
qwen3.8-flash53 %42–64 %Demasiado reñido para decidir

Votación

¿Qué marca elegiría?

Primero el voto: el resultado de la IA aparece tras votar o saltar.

Su elección se queda en este navegador: no se envía nada.

Los votos de los visitantes se muestran junto a los resultados de la IA solo como comparación y nunca se mezclan con las cifras de la IA.

Cómo se cuentan los votos

Repetir como caída de bolasSimulación
Dyson
Shark

Simulación: recorridos de escenarios inventados para reproducir las cuotas publicadas por juez, no filas medidas.

Demasiado reñido para decidir: el intervalo de confianza incluye el 50 %

Intervalo de confianza del 95 % publicado para Dyson: 39–56 %. Pulse Soltar para ver dónde caen los escenarios simulados.

Cómo leerlo

Cada bola es un escenario de compra simulado. Cada fila de clavos es un modelo de IA que empuja la bola hacia la marca que eligió.

Una tirada es una muestra. Suelte otra vez y el montón se mueve; la banda naranja muestra dónde cae el equilibrio en el 95 % de las tiradas.

Solo se nombra una marca líder cuando la banda no toca el centro. Los recorridos se simulan a partir de las cuotas publicadas por juez: ningún modelo vio estos escenarios.

Toque para soltar. Mantenga pulsado para seguir soltando.

Las cifras detrás de la máquina
Instantánea firmadad34e2cd12926JSON
Compartir

Compartir este resultado

Publicar

Descargar imagen

Insertar

Insertarlo es gratis. Muestra la última edición; conserva la línea de fuente y el enlace.

Tarjeta estática (SVG)

Cómo leer esto
  • Cada escenario ofrece a los modelos ambas marcas; el reparto es la frecuencia con que se elige cada una. La cifra principal es el consenso del panel con el mismo peso por modelo.
  • La banda es el intervalo del 95 % de la cuota de la marca de la izquierda. Un modelo se inclina por una marca solo si todo su intervalo queda a un lado del 50 %.
  • Intervalos de confianza del 95 % (combinación MOVER de los intervalos de cada juez, ampliada para muestras pequeñas en batallas y tableros nuevos). El consenso da el mismo peso a cada familia de modelos. Los resultados por juez, más abajo, son la medida principal.
  • La opinión de un solo modelo es un juez, no el consenso.
  • La máquina de caída es una simulación: sus trayectorias reproducen las cuotas publicadas por modelo.
  • Los cortes por necesidad se omiten con menos de 30 escenarios.
  • Cada página muestra la última edición. Las fechas están en el JSON descargable.
  • Panel rápido: los modelos actuales rápidos o pequeños de cada proveedor, no el panel completo de modelos insignia.
Detalles y fuentes

Resultados calculados pero no publicados Para esta batalla solo se publican el consenso general y los resultados por juez: cada necesidad del comprador tiene menos de 30 escenarios, el mínimo prerregistrado para publicar una fila por necesidad. Quién se tuvo en cuenta y por qué

Quién se tuvo en cuenta

La regla que decide qué jueces cuentan se fijó antes de la ejecución. Los jueces que la cumplen cuentan con los pesos de abajo; los demás aparecen con sus motivos.

  • Se planificaron 60 escenarios de compra.
  • Ninguno de ellos quedó fuera.
Pesos en el consenso de 9 jueces contados
Peso de cada juez contado en el consenso
Juez (modelo de API)Familia de modelosPeso en el consenso
deepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouterdeepseek11,1 %
google/gemini-3.8-flash @ gemini-3.8-flash via OpenRoutergoogle11,1 %
z-ai/glm-5.3-flash @ glm-5.3-flash via OpenRouterz-ai11,1 %
openai/gpt-6-luna @ gpt-6-luna via OpenRouteropenai11,1 %
x-ai/grok-4.7 @ grok-4.7 via OpenRouterxai11,1 %
moonshotai/kimi-k3.1-pro @ kimi-k3.1-pro via OpenRoutermoonshot11,1 %
meta-llama/llama-4-maverick-17b-128e-instruct @ llama-4-maverick-17b-128e-instruct via OpenRoutermeta11,1 %
mistralai/mistral-small-2603 @ mistral-small-2603 via OpenRoutermistral11,1 %
qwen/qwen3.8-flash @ qwen3.8-flash via OpenRouterqwen11,1 %

Jueces no contados

jdg-live-claude-haiku-5-5-or-v1
Muy pocas respuestas válidas (por debajo del mínimo prerregistrado)

Resultados calculados pero no publicados

El número de escenarios (n) por necesidad se calcula de forma determinista a partir del plan prerregistrado.

Necesidad del comprador: Opción económica para piso o residencia
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Almacenaje y carga compactos
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Limpieza profunda de alfombras
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Polvo fino en parqué y baldosas
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Ligero para escaleras y zonas altas
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Recoger pelo de mascotas sin enredos
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Retoques diarios silenciosos
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Filtración sellada y vaciado limpio
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Llegar bajo los muebles, con luz
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Autonomía para toda la casa y baterías intercambiables
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado

Metodología

Cada juez es un modelo de IA consultado mediante una API; «Sobre este resultado» indica cada modelo y cómo se consultó. En cada escenario de compra, el juez elige entre las dos marcas. El escenario es la unidad de análisis.

Los resultados se basan en 60 escenarios de compra.

Un juez se inclina por una marca solo si su intervalo de confianza no incluye el 50 %. Una estimación puntual por sí sola nunca cuenta como victoria.

Las cifras de precisión de esta página se han medido.

Precisión
Medida
Consenso, necesidades e idiomas
Intervalos de confianza del 95 % (combinación MOVER de los intervalos de cada juez, ampliada para muestras pequeñas en batallas y tableros nuevos)
Por juez
Intervalos de confianza del 95 % (envolvente de los intervalos bootstrap por conglomerados de escenarios y de Wilson, ampliada para muestras pequeñas en batallas y tableros nuevos)
Idiomas de los escenarios
inglés

Avisos sobre los datos

  • Solo nombres de marca: los modelos vieron cada opción como un nombre de marca, sin datos de producto, y respondieron con su propio conocimiento.

Sobre este resultado

Qué se midió, cómo, cuándo y cómo comprobarlo.

Metodología
ACM-1.0
Modelos de IA (API)
  • deepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouter, vía OpenRouter (proveedores fijados)
  • google/gemini-3.8-flash @ gemini-3.8-flash via OpenRouter, vía OpenRouter (proveedores fijados)
  • z-ai/glm-5.3-flash @ glm-5.3-flash via OpenRouter, vía OpenRouter (proveedores fijados)
  • openai/gpt-6-luna @ gpt-6-luna via OpenRouter, vía OpenRouter (proveedores fijados)
  • x-ai/grok-4.7 @ grok-4.7 via OpenRouter, vía OpenRouter (proveedores fijados)
  • moonshotai/kimi-k3.1-pro @ kimi-k3.1-pro via OpenRouter, vía OpenRouter (proveedores fijados)
  • meta-llama/llama-4-maverick-17b-128e-instruct @ llama-4-maverick-17b-128e-instruct via OpenRouter, vía OpenRouter (proveedores fijados)
  • mistralai/mistral-small-2603 @ mistral-small-2603 via OpenRouter, vía OpenRouter (proveedores fijados)
  • qwen/qwen3.8-flash @ qwen3.8-flash via OpenRouter, vía OpenRouter (proveedores fijados)
Condiciones
Cada modelo se consultó por la vía indicada junto a él y eligió entre las dos marcas en 60 escenarios de compra. Idiomas de los escenarios: inglés.
Jueces contados

Según la regla de inclusión prerregistrada, se contaron los resultados de 9 de los 10 jueces del panel. Los resultados usan 60 de los 60 escenarios planificados.

Quién se tuvo en cuenta y por qué

Prerregistro (SHA-256)
c00aa4d22740c5e575886effacff7e5b85cd7cdc0e0f87c92d723f87e629005a
Qué fija el prerregistro
Instantánea firmada

Verificar este resultado: descargar la instantánea firmada (JSON)

Clave de firma (kid)
FnG9tqyrr6Y0YUh6teXhpERjAKUSfzL78m4WdnEZ9Jg
Clave de producción
SHA-256 del contenido (payload)
d34e2cd129268f2b75894363e4ba071e1ef4bf66442dd6199d6d44e05b25d4ff

Cómo verificar una instantánea

Las posiciones, la inclusión y la influencia en los resultados nunca se venden.