Pickbench
Связаться

CeraVe против Cetaphil

Увлажняющие средства для лица60 сценариев

Панель, равные веса

  • Claude Haiku 5.5anthropic/claude-haiku-5.5
  • DeepSeek V4.1 Flashdeepseek/deepseek-v4.1-flash
  • Gemini 3.8 Flashgoogle/gemini-3.8-flash
  • GLM-5.3 Flashz-ai/glm-5.3-flash
  • GPT-6 Lunaopenai/gpt-6-luna
  • Grok 4.7x-ai/grok-4.7
  • Kimi K3.1 Promoonshotai/kimi-k3.1-pro
  • Llama 4 Maverickmeta-llama/llama-4-maverick-17b-128e-instruct
  • Mistral Small 2603mistralai/mistral-small-2603
  • Qwen3.8 Flashqwen/qwen3.8-flash

Ответ

ЯвноБыстрая панель

CeraVe

CeraVe 81 % · Cetaphil 19 % — все 10 моделей вместе

10 явно предпочитают CeraVe · 0 без явного предпочтения · 0 явно предпочитают Cetaphil · все 10 моделей учтены в общем результате

95-процентный интервал для CeraVe: 78–85 %

Подробнеекаждая модель, интервалы, условия

Все модели вместе

Быстрая панель

ЯвноВсе 10 моделей вместе склоняются к CeraVe (интервал не включает 50 %); по отдельности: 10 явно предпочитают CeraVe · 0 без явного предпочтения · 0 явно предпочитают Cetaphil.

CeraVe81 %

Cetaphil19 %

  • Доверительный интервал для CeraVe: 78–85 %

Консенсус95-процентный интервал 78–85 %

Каждая модель

Доля бренда, названного в строке, с интервалом

Полоса: CeraVe слева, Cetaphil справа; пунктир — 50 %.

Условная доля выбора бренда, названного в строке, по каждому судье (среди сценариев, где судья выбрал бренд), с доверительными интервалами. 95-процентные доверительные интервалы (объединение интервалов кластерного бутстрепа по сценариям и Уилсона, расширенное для малых выборок в битвах и новых чартах)
Судья (API-модель)Бренд и доляДоверительный интервалПеревесГрафик интервала
Claude Haiku 5.5CeraVe: 85 %78–91 %Явное предпочтение
DeepSeek V4.1 FlashCeraVe: 64 %54–73 %Явное предпочтение
Gemini 3.8 FlashCeraVe: 87 %78–93 %Явное предпочтение
GLM-5.3 FlashCeraVe: 79 %72–86 %Явное предпочтение
GPT-6 LunaCeraVe: 66 %59–73 %Явное предпочтение
Grok 4.7CeraVe: 91 %86–96 %Явное предпочтение
Kimi K3.1 ProCeraVe: 82 %73–89 %Явное предпочтение
Llama 4 MaverickCeraVe: 77 %68–85 %Явное предпочтение
Mistral Small 2603CeraVe: 93 %89–97 %Явное предпочтение
Qwen3.8 FlashCeraVe: 88 %82–94 %Явное предпочтение

А вы бы что выбрали?

Как считаются голоса

Ваш голос отправляется в Pickbench и учитывается один раз на браузер для этой битвы. Его можно изменить.

Голоса посетителей показаны рядом с результатами ИИ только для сравнения и никогда не смешиваются с цифрами ИИ.

Проголосовавшие посетители

Открытый онлайн-опрос посетителей Pickbench, а не репрезентативное исследование.

Голоса посетителей пока не подсчитаны.

Как считаются голоса

Повторить броском шаровСимуляция
CeraVe
Cetaphil

Симуляция: пути сценариев придуманы так, чтобы воспроизвести опубликованные доли по судьям; это не измеренные строки.

Консенсус ИИ-моделей склоняется к CeraVe

Опубликованный 95-процентный доверительный интервал для CeraVe: 78–85 %. Нажмите «Бросить», чтобы увидеть, куда падают смоделированные сценарии.

Как это читать

Каждый шар — смоделированный сценарий покупки. Каждый ряд штырьков — ИИ-модель, которая толкает шар к выбранному ею бренду.

Один бросок — одна выборка. Бросьте ещё раз, и куча сдвинется; оранжевая полоса показывает, где оказывается баланс в 95 % бросков.

Лидер называется, только когда полоса не задевает середину. Пути смоделированы по опубликованным долям судей: ни одна модель не видела эти сценарии.

Нажмите, чтобы бросить. Удерживайте, чтобы бросать дальше.

Цифры за машиной
Подписанный снимок данных64fac7a96d9cJSON
Встроить

Встраивание бесплатно. Показывается последний выпуск; строку источника и ссылку не убирайте.

Статичная карточка (SVG)

Как это измерено · проверка

Как читать

Доля — как часто модели выбирали каждый бренд, с 95-процентным интервалом. Бренд впереди, только если весь его интервал выше 50 % — для всех моделей вместе и для каждой модели по отдельности; иначе — слишком близко.

На каждой странице — последний выпуск. Даты есть в загружаемом JSON.

Кто учтён

  • По предварительно зарегистрированному правилу включения учтены результаты 10 из 10 судей.
  • В расчёт вошли данные 60 из 60 запланированных сценариев.
  • Все судьи из списка соответствуют правилу.
Веса в консенсусе 10 учтённых судей
Вес каждого учтённого судьи в консенсусе
Судья (API-модель)Семейство моделейВес в консенсусе
Claude Haiku 5.5Anthropic10,0 %
DeepSeek V4.1 FlashDeepSeek10,0 %
Gemini 3.8 FlashGoogle10,0 %
GLM-5.3 FlashZ.ai10,0 %
GPT-6 LunaOpenAI10,0 %
Grok 4.7xAI10,0 %
Kimi K3.1 ProMoonshot AI10,0 %
Llama 4 MaverickMeta10,0 %
Mistral Small 2603Mistral AI10,0 %
Qwen3.8 FlashQwen10,0 %

Результаты по потребностям

Результаты по потребностям не публикуются: 6 сценариев на потребность — меньше заранее заданного минимума в 30.

10 потребностей покупателя
  • Баланс для комбинированной кожи в любой сезон
  • Без отдушек для ежедневного ухода
  • Сияние для тусклой кожи
  • Удобный дозатор и дорожная упаковка
  • Быстро впитывается после бритья и умывания
  • Питательный ночной крем для сухого зимнего воздуха
  • Ровно ложится под макияж
  • Разглаживание мелких морщин на зрелой коже
  • Выгодная цена и всегда в продаже
  • Лёгкий гель для жирной Т-зоны

Методология

Каждый судья — ИИ-модель, которую вызывают через API; в разделе «Об этом результате» указано, какая это модель и как её вызывали. В каждом сценарии покупки судья выбирает между двумя брендами. Единица анализа — сценарий.

Версия
ACM-1.0
Точность
Измерена
Консенсус, потребности и языки
95-процентные доверительные интервалы (комбинация интервалов отдельных судей методом MOVER, расширенная для малых выборок в битвах и новых чартах). В консенсусе каждое семейство моделей имеет равный вес. Основная мера — результаты по каждому судье в разделе «Каждая модель».
По каждому судье
95-процентные доверительные интервалы (объединение интервалов кластерного бутстрепа по сценариям и Уилсона, расширенное для малых выборок в битвах и новых чартах). Мнение одной модели — это один судья, а не консенсус.
Панель
Быстрая панель: быстрые или компактные актуальные модели каждого разработчика, а не полная панель флагманов.

Предупреждения о данных

  • Только названия брендов: модели видели каждый вариант как название бренда, без фактов о товарах, и отвечали по собственным знаниям.

Об этом результате

ИИ-модели (API)
  • Claude Haiku 5.5
  • DeepSeek V4.1 Flash
  • Gemini 3.8 Flash
  • GLM-5.3 Flash
  • GPT-6 Luna
  • Grok 4.7
  • Kimi K3.1 Pro
  • Llama 4 Maverick
  • Mistral Small 2603
  • Qwen3.8 Flash

Каждая модель вызывалась через OpenRouter (провайдеры закреплены).

Условия
Каждая модель выбирала между двумя брендами в 60 сценариях покупки. Языки сценариев: английский.
Предварительная регистрация (SHA-256)
b7322e0114b3… Что фиксирует предварительная регистрация
Подписанный снимок данных

Проверить этот результат: скачать подписанный снимок данных (JSON)

Ключ подписи (kid)
FnG9tqyrr6Y0… · Рабочий ключ
SHA-256 содержимого (payload)
64fac7a96d9c…

Как проверить снимок данных

Места в рейтинге, включение и влияние на результаты никогда не продаются.