Delta Air Lines против United Airlines

Внутренние авиалинии60 сценариев

Панель, равные веса

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

Быстрая панель

Явно6 из 6 API-моделей выбрали Delta Air Lines; интервал панели склоняется к Delta Air Lines и не включает 50 %.

Delta Air Lines83 %

United Airlines17 %

Консенсус95-процентный интервал 75–89 %

Консенсус ИИ-моделей склоняется к ⁨Delta Air Lines⁩

Каждая модель

Доля Delta Air LinesПеревес …

Условная доля выбора Delta Air Lines 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)	Доля Delta Air Lines	Доверительный интервал	Перевес
claude-haiku-5.5	78 %	68–86 %	Перевес Delta Air Lines
deepseek-v4.1-flash	87 %	78–94 %	Перевес Delta Air Lines
gemini-3.8-flash	89 %	79–96 %	Перевес Delta Air Lines
glm-5.3-flash	85 %	76–91 %	Перевес Delta Air Lines
gpt-6-luna	88 %	82–94 %	Перевес Delta Air Lines
grok-4.7	69 %	57–80 %	Перевес Delta Air Lines

Голосование

Какой бренд выбрали бы вы?

Ваше нажатие остаётся в этом браузере: ничего не отправляется.

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

Как считаются голоса

Повторить броском шаровСимуляция

Delta Air Lines

United Airlines

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

Консенсус ИИ-моделей склоняется к Delta Air Lines

Опубликованный 95-процентный доверительный интервал для Delta Air Lines: 75–89 %. 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 данныхe594c5a4ac1cJSON

Встроить

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

Код для встраивания (iframe)

<iframe src="https://pickbench.ai/embed/ru/battle/delta-vs-united/" title="Битва брендов Pickbench: Delta Air Lines против United Airlines" width="100%" height="480" loading="lazy" frameborder="0" referrerpolicy="strict-origin-when-cross-origin" sandbox="allow-popups allow-popups-to-escape-sandbox"></iframe>
<p><a href="https://pickbench.ai/ru/battles/delta-vs-united/">Источник: Pickbench</a></p>

Статичная карточка (SVG)

Как это читать

В каждом сценарии моделям предлагают оба бренда; соотношение показывает, как часто выбирают каждый. Главная цифра — консенсус панели с равными весами моделей.
Полоса — 95-процентный интервал доли левого бренда. Модель склоняется к бренду, только если весь её интервал лежит по одну сторону от 50%.
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 ниже.
Мнение одной модели — это один судья, а не консенсус.
Автомат с шариками — симуляция: его траектории воспроизводят опубликованные доли по моделям.
Срезы по потребностям скрыты, если сценариев меньше 30.
На каждой странице — последний выпуск. Даты есть в загружаемом JSON.
Быстрая панель: быстрые или компактные актуальные модели каждого разработчика, а не полная панель флагманов.

Подробности и источники

Рассчитанные, но не опубликованные результаты Для этой битвы опубликованы только общий консенсус и результаты по судьям: в каждой потребности покупателя меньше 30 сценариев — заранее заданного минимума для строки потребности. Кто учтён и почему

Кто учтён

Правило, по которому судьи учитываются, зафиксировано до запуска. Судьи, которые ему соответствуют, учтены с весами ниже; остальные перечислены с причинами.

Запланировано 60 сценариев покупки.
Ни один из них не исключён.

Веса в консенсусе 6 учтённых судей

Вес каждого учтённого судьи в консенсусе
Судья (API-модель)	Семейство моделей	Вес в консенсусе
`anthropic/claude-haiku-5.5 @ claude-haiku-5.5 via OpenRouter`	`anthropic`	16,7 %
`deepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouter`	`deepseek`	16,7 %
`google/gemini-3.8-flash @ gemini-3.8-flash via OpenRouter`	`google`	16,7 %
`z-ai/glm-5.3-flash @ glm-5.3-flash via OpenRouter`	`z-ai`	16,7 %
`openai/gpt-6-luna @ gpt-6-luna via OpenRouter`	`openai`	16,7 %
`x-ai/grok-4.7 @ grok-4.7 via OpenRouter`	`xai`	16,7 %

Неучтённые судьи

jdg-live-kimi-k3-1-pro-or-v1: Слишком мало корректных ответов (ниже заранее заданного минимума), Сценариев меньше заранее заданного минимума и Ответил на слишком малую часть запланированных сценариев
jdg-live-llama-4-maverick-17b-128e-instruct-or-v1: Слишком мало корректных ответов (ниже заранее заданного минимума), Сценариев меньше заранее заданного минимума и Ответил на слишком малую часть запланированных сценариев
jdg-live-mistral-small-2603-or-v1: Слишком мало корректных ответов (ниже заранее заданного минимума), Сценариев меньше заранее заданного минимума и Ответил на слишком малую часть запланированных сценариев
jdg-live-qwen3-8-flash-or-v1: Слишком мало корректных ответов (ниже заранее заданного минимума), Сценариев меньше заранее заданного минимума и Ответил на слишком малую часть запланированных сценариев

Рассчитанные, но не опубликованные результаты

Число сценариев (n) по каждой потребности рассчитано детерминированно из предрегистрированного плана.

Потребность покупателя: Недорогая поездка на выходные: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Комфорт на перелёте через всю страну: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Семейный отпуск с багажом: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Частые деловые поездки: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Надёжность в праздничный сезон: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Гибкость при изменении планов в последний момент: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Поездка с крупногабаритным спортивным снаряжением: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Выгода бонусной программы для тех, кто летает нечасто: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Перелёт с небольшим питомцем в салоне: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Перелёт из небольшого регионального аэропорта: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума

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.

Результаты основаны на 60 сценариях покупки.

Судья склоняется к бренду, только если его доверительный интервал не включает 50 %. Одна точечная оценка никогда не считается победой.

Показатели точности на этой странице измерены.

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)
По каждому судье: 95-процентные доверительные интервалы (объединение интервалов кластерного бутстрепа по сценариям и Уилсона, расширенное для малых выборок в битвах и новых чартах)
Языки сценариев: английский

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

Что измерено, как и когда, и как это проверить.

Методология

ACM-1.0

ИИ-модели (API)

anthropic/claude-haiku-5.5 @ claude-haiku-5.5 via OpenRouter, через OpenRouter (провайдеры закреплены)
deepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouter, через OpenRouter (провайдеры закреплены)
google/gemini-3.8-flash @ gemini-3.8-flash via OpenRouter, через OpenRouter (провайдеры закреплены)
z-ai/glm-5.3-flash @ glm-5.3-flash via OpenRouter, через OpenRouter (провайдеры закреплены)
openai/gpt-6-luna @ gpt-6-luna via OpenRouter, через OpenRouter (провайдеры закреплены)
x-ai/grok-4.7 @ grok-4.7 via OpenRouter, через OpenRouter (провайдеры закреплены)

Условия

Каждую модель вызывали указанным рядом с ней способом, и она выбирала между двумя брендами в 60 сценариях покупки. Языки сценариев: английский.

Учтённые судьи

По предварительно зарегистрированному правилу включения учтены результаты 6 из 10 судей. В расчёт вошли данные 60 из 60 запланированных сценариев.

Кто учтён и почему

Предварительная регистрация (SHA-256)

b1fb8c14b26e1f24cac4463fbc60c9b84e5c6fa95628826b94f16bb8b5fb1bcf

Что фиксирует предварительная регистрация

Подписанный снимок данных

Проверить этот результат: скачать подписанный снимок данных (JSON)

Ключ подписи (kid): FnG9tqyrr6Y0YUh6teXhpERjAKUSfzL78m4WdnEZ9Jg; Рабочий ключ
SHA-256 содержимого (payload): e594c5a4ac1c76d48064a98167688bbda904985dc0a4dc63f7a01f118830a863

Как проверить снимок данных

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