DEWALT против Milwaukee

Аккумуляторные электроинструменты60 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
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

Быстрая панель

Явно7 из 8 API-моделей выбрали Milwaukee; интервал панели склоняется к Milwaukee и не включает 50 %.

DEWALT34 %

Milwaukee66 %

Консенсус95-процентный интервал 27–41 %

Консенсус ИИ-моделей склоняется к ⁨Milwaukee⁩

Каждая модель

Доля DEWALTПеревес …

Условная доля выбора DEWALT 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 DEWALT	Доверительный интервал	Перевес
claude-haiku-5.5	25 %	16–35 %	Перевес Milwaukee
deepseek-v4.1-flash	27 %	17–37 %	Перевес Milwaukee
gemini-3.8-flash	34 %	22–47 %	Перевес Milwaukee
glm-5.3-flash	32 %	23–42 %	Перевес Milwaukee
gpt-6-luna	43,2 %	36,9–49,8 %	Перевес Milwaukee
grok-4.7	23 %	15–33 %	Перевес Milwaukee
llama-4-maverick-17b-128e-instruct	38 %	28–48 %	Перевес Milwaukee
mistral-small-2603	47 %	39–55 %	Явного предпочтения нет

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

DEWALT

Milwaukee

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

Консенсус ИИ-моделей склоняется к Milwaukee

Опубликованный 95-процентный доверительный интервал для DEWALT: 27–41 %. 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 данных9865b6ef7623JSON

Встроить

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

Код для встраивания (iframe)

<iframe src="https://pickbench.ai/embed/ru/battle/dewalt-vs-milwaukee/" title="Битва брендов Pickbench: DEWALT против Milwaukee" 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/dewalt-vs-milwaukee/">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 8 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`	12,5 %
`deepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouter`	`deepseek`	12,5 %
`google/gemini-3.8-flash @ gemini-3.8-flash via OpenRouter`	`google`	12,5 %
`z-ai/glm-5.3-flash @ glm-5.3-flash via OpenRouter`	`z-ai`	12,5 %
`openai/gpt-6-luna @ gpt-6-luna via OpenRouter`	`openai`	12,5 %
`x-ai/grok-4.7 @ grok-4.7 via OpenRouter`	`xai`	12,5 %
`meta-llama/llama-4-maverick-17b-128e-instruct @ llama-4-maverick-17b-128e-instruct via OpenRouter`	`meta`	12,5 %
`mistralai/mistral-small-2603 @ mistral-small-2603 via OpenRouter`	`mistral`	12,5 %

Неучтённые судьи

jdg-live-kimi-k3-1-pro-or-v1: Слишком мало корректных ответов (ниже заранее заданного минимума)
jdg-live-qwen3-8-flash-or-v1: Слишком мало корректных ответов (ниже заранее заданного минимума)

Рассчитанные, но не опубликованные результаты

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

Потребность покупателя: Работа аккумулятора весь день и быстрая зарядка: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Колёсные гайки и крепёж в авторемонте: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Компактный инструмент для работы над головой и монтажа шкафов: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Удобная рукоять и низкая вибрация: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Тяжёлые каркасные работы и монтаж настила: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Стойкость к падениям и пыли на объекте: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Широкая линейка инструментов на одном аккумуляторе: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Гарантия и замена аккумуляторов: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Ремонт дома по выходным и выгодный стартовый набор: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Точность в столярных работах и резке молдингов: 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)
meta-llama/llama-4-maverick-17b-128e-instruct @ llama-4-maverick-17b-128e-instruct via OpenRouter, через OpenRouter (провайдеры закреплены)
mistralai/mistral-small-2603 @ mistral-small-2603 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 8 из 10 судей. В расчёт вошли данные 60 из 60 запланированных сценариев.

Кто учтён и почему

Предварительная регистрация (SHA-256)

dda3270bd3db803c6b8ed4f2f435a39e941920de57661d98fbbb87b0e4a8043f

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): 9865b6ef762398957b264d5b73fbfa5f70858a7348b1c3f3dc83c43634d6102f

Как проверить снимок данных

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