Pickbench
Contacto

Uber vs. Lyft

Servicios de transporte con conductor60 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-4-argongoogle/gemini-4-argon @ gemini-4-argon via OpenRouter
  • gpt-6-lunaopenai/gpt-6-luna @ gpt-6-luna via OpenRouter
  • mistral-large-4-0mistralai/mistral-large-4-0 @ mistral-large-4-0 via OpenRouter
Panel rápido

Uber82 %

Lyft18 %

Consenso73–90 %

El consenso de los modelos de IA se inclina por ⁨Uber⁩

Cada modelo

Cuota de UberSe inclina por …

claude-haiku-5.583 %73–91 %Uber
deepseek-v4.1-flash80 %70–88 %Uber
gemini-4-argon88 %76–95 %Uber
gpt-6-luna76 %66–84 %Uber
mistral-large-4-085 %74–93 %Uber

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
Uber
Lyft

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 Uber

Intervalo de confianza del 95 % publicado para Uber: 73–90 %. 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 firmada93851065afb8JSON

Tarjeta para compartirHistoria

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 5 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 OpenRouteranthropic20,0 %
deepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouterdeepseek20,0 %
google/gemini-4-argon @ gemini-4-argon via OpenRoutergoogle20,0 %
openai/gpt-6-luna @ gpt-6-luna via OpenRouteropenai20,0 %
mistralai/mistral-large-4-0 @ mistral-large-4-0 via OpenRoutermistral20,0 %

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: Viajes al aeropuerto
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Coches limpios y cómodos
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Viajes sin conductor
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: App y pago sencillos
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Recogida rápida a cualquier hora
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Viajes en grupo y vehículos grandes
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: La tarifa más baja del día a día
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Viajes de negocios prémium
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Seguridad y confianza
n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Disponible en muchas ciudades
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-4-argon @ gemini-4-argon via OpenRouter, vía OpenRouter (proveedores fijados)
  • openai/gpt-6-luna @ gpt-6-luna via OpenRouter, vía OpenRouter (proveedores fijados)
  • mistralai/mistral-large-4-0 @ mistral-large-4-0 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 5 de los 5 jueces del panel. Los resultados usan 60 de los 60 escenarios planificados.

Quién se tuvo en cuenta y por qué

Prerregistro (SHA-256)
fedc5045789eb51333722fe56c847108a22b50227133e5781499d292ff3065ac
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)
93851065afb89cea294f3440d770eafa50b77408450bc2c7d517fb8d4a4213ac

Cómo verificar una instantánea

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