Pickbench
Contacto

Spotify vs. Apple Music

Streaming de música60 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
Panel rápido

Claro7 de 8 modelos de API eligieron Spotify; el intervalo del panel se inclina por Spotify y excluye el 50 %.

Spotify72 %

Apple Music28 %

Consenso62–81 %

El consenso de los modelos de IA se inclina por ⁨Spotify⁩

Cada modelo

Cuota de SpotifySe inclina por …

deepseek-v4.1-flash70 %59–81 %Spotify
gemini-3.8-flash77 %65–87 %Spotify
glm-5.3-flash74 %63–85 %Spotify
gpt-6-luna71 %61–80 %Spotify
grok-4.779 %68–89 %Spotify
kimi-k3.1-pro77 %65–87 %Spotify
llama-4-maverick-17b-128e-instruct74 %63–83 %Spotify
mistral-small-260356 %44–67 %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
Spotify
Apple Music

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 Spotify

Intervalo de confianza del 95 % publicado para Spotify: 62–81 %. 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 firmada699abe2c5b08JSON
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 8 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 OpenRouterdeepseek12,5 %
google/gemini-3.8-flash @ gemini-3.8-flash via OpenRoutergoogle12,5 %
z-ai/glm-5.3-flash @ glm-5.3-flash via OpenRouterz-ai12,5 %
openai/gpt-6-luna @ gpt-6-luna via OpenRouteropenai12,5 %
x-ai/grok-4.7 @ grok-4.7 via OpenRouterxai12,5 %
moonshotai/kimi-k3.1-pro @ kimi-k3.1-pro via OpenRoutermoonshot12,5 %
meta-llama/llama-4-maverick-17b-128e-instruct @ llama-4-maverick-17b-128e-instruct via OpenRoutermeta12,5 %
mistralai/mistral-small-2603 @ mistral-small-2603 via OpenRoutermistral12,5 %

Jueces no contados

jdg-live-claude-haiku-5-5-or-v1
Muy pocas respuestas válidas (por debajo del mínimo prerregistrado) y Respondió muy pocos de los escenarios planificados
jdg-live-qwen3-8-flash-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: Listas de reproducción y organización de la biblioteca
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Audio de alta fidelidad para auriculares y equipo de música
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Reproducción en el coche y en altavoces inalámbricos
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Artistas independientes y catálogos de géneros amplios
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Letras, créditos y contexto de los álbumes
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Sincronización entre dispositivos y escucha en el hogar
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Descargas sin conexión para trayectos y vuelos
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Álbumes a la carta y novedades
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Descubrimiento personalizado y emisoras de artistas
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Listas para entrenar y según el estado de ánimo
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)
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 8 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)
34921db65c0c5384bd7886b6ff0af9665b2c6a1a809319eae3dcf2d2df07087e
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)
699abe2c5b0831ff2ebdead6ba13440cf9f9f6e847c8fd5033d0c8f054a99e51

Cómo verificar una instantánea

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