Pickbench
Связаться

JBL против Bose

Bluetooth-колонки60 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

JBL

JBL 69 % · Bose 31 % — все 10 моделей вместе

9 явно предпочитают JBL · 1 без явного предпочтения · 0 явно предпочитают Bose · все 10 моделей учтены в общем результате

95-процентный интервал для JBL: 59–78 %

Подробнеекаждая модель, интервалы, условия

Все модели вместе

Быстрая панель

ЯвноВсе 10 моделей вместе склоняются к JBL (интервал не включает 50 %); по отдельности: 9 явно предпочитают JBL · 1 без явного предпочтения · 0 явно предпочитают Bose.

JBL69 %

Bose31 %

  • Доверительный интервал для JBL: 59–78 %

Консенсус95-процентный интервал 59–78 %

Каждая модель

Доля бренда, названного в строке, с интервалом

Полоса: JBL слева, Bose 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 5.5JBL: 72 %61–82 %Явное предпочтение
DeepSeek V4.1 FlashJBL: 65 %53–76 %Явное предпочтение
Gemini 3.8 FlashJBL: 63,3 %50,4–75,0 %Явное предпочтение
GLM-5.3 FlashJBL: 77 %66–87 %Явное предпочтение
GPT-6 LunaJBL: 76 %67–85 %Явное предпочтение
Grok 4.7JBL: 67 %55–79 %Явное предпочтение
Kimi K3.1 ProJBL: 74 %62–85 %Явное предпочтение
Llama 4 MaverickJBL: 61,25 %50,09–71,56 %Явное предпочтение
Mistral Small 2603JBL: 58 %46–69 %Явного предпочтения нет
Qwen3.8 FlashJBL: 77 %66–87 %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
JBL
Bose

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

Консенсус ИИ-моделей склоняется к JBL

Опубликованный 95-процентный доверительный интервал для JBL: 59–78 %. 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 данных0c32184367a6JSON
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
  • Батарея на весь день и зарядка USB-C
  • Звук во дворе и на барбекю
  • Баланс для дома и улицы, индикатор заряда
  • Быстрое переподключение и дальность на улице
  • Защита у бассейна, на пляже и под дождём
  • Прочность при падениях и в багаже
  • Физические кнопки управления
  • Лёгкая колонка для походов
  • Тихое прослушивание в спальне и за столом
  • Звук на всю комнату или террасу

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)
9883abe66f70… 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)
0c32184367a6…

Как проверить снимок данных

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