Pickbench
Contacto

PlayStation vs. Xbox

Consolas de videojuegos60 escenarios

Panel, mismo peso

  • claude-haiku-5.5anthropic/claude-haiku-5.5 @ claude-haiku-5.5 via OpenRouter
  • 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

ProbableEl intervalo del panel se inclina por Xbox y excluye el 50 %, pero solo 4 de 10 modelos de API eligieron Xbox por sí solos.

PlayStation38 %

Xbox62 %

Consenso27–48 %

El consenso de los modelos de IA se inclina por ⁨Xbox⁩

Cada modelo

Cuota de PlayStationSe inclina por …

claude-haiku-5.542 %32–53 %Demasiado reñido para decidir
deepseek-v4.1-flash40 %30–52 %Demasiado reñido para decidir
gemini-3.8-flash39 %28–51 %Demasiado reñido para decidir
glm-5.3-flash34 %23–46 %Xbox
gpt-6-luna38 %28–49 %Xbox
grok-4.728 %17–40 %Xbox
kimi-k3.1-pro32 %22–44 %Xbox
llama-4-maverick-17b-128e-instruct42 %31–53 %Demasiado reñido para decidir
mistral-small-260341 %30–53 %Demasiado reñido para decidir
qwen3.8-flash39 %27–52 %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
PlayStation
Xbox

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

El consenso de los modelos de IA se inclina por Xbox

Intervalo de confianza del 95 % publicado para PlayStation: 27–48 %. 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 firmada3089bf2f7f6bJSON
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 10 jueces contados
Peso de cada juez contado en el consenso
Juez (modelo de API)Familia de modelosPeso en el consenso
anthropic/claude-haiku-5.5 @ claude-haiku-5.5 via OpenRouteranthropic10,0 %
deepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouterdeepseek10,0 %
google/gemini-3.8-flash @ gemini-3.8-flash via OpenRoutergoogle10,0 %
z-ai/glm-5.3-flash @ glm-5.3-flash via OpenRouterz-ai10,0 %
openai/gpt-6-luna @ gpt-6-luna via OpenRouteropenai10,0 %
x-ai/grok-4.7 @ grok-4.7 via OpenRouterxai10,0 %
moonshotai/kimi-k3.1-pro @ kimi-k3.1-pro via OpenRoutermoonshot10,0 %
meta-llama/llama-4-maverick-17b-128e-instruct @ llama-4-maverick-17b-128e-instruct via OpenRoutermeta10,0 %
mistralai/mistral-small-2603 @ mistral-small-2603 via OpenRoutermistral10,0 %
qwen/qwen3.8-flash @ qwen3.8-flash via OpenRouterqwen10,0 %

Jueces no contados

Todos los jueces del panel cumplen la regla.

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: Retrocompatibilidad y juegos retro
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Mejores gráficos y rendimiento
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Grandes exclusivas
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Entrada económica
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Jugar en familia en el salón
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Suscripción de juegos rentable
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Realidad virtual inmersiva
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Jugar en línea con amigos
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Jugar en portátil en cualquier lugar
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Jugar mi biblioteca de juegos de PC
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)
  • anthropic/claude-haiku-5.5 @ claude-haiku-5.5 via OpenRouter, vía OpenRouter (proveedores fijados)
  • 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 10 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)
724116883f180e619619a88cf2066546163ae1635a822e69bc893d39e215a3ea
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)
3089bf2f7f6b41e2b4f175cbde8f1bff7631eb7c983369827bccbae2ebdd58de

Cómo verificar una instantánea

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