Keurig против Nespresso
Кофеварки48 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
Слишком близкоБыстрая панель
Слишком близко: Keurig 60 % · Nespresso 40 %
В пределах погрешности — все 10 моделей вместе
4 явно предпочитают Keurig · 6 без явного предпочтения · 0 явно предпочитают Nespresso · все 10 моделей учтены в общем результате
95-процентный интервал для Keurig: 48–72 %
Подробнеекаждая модель, интервалы, условия
Все модели вместе
Быстрая панельСлишком близкоИнтервал панели включает 50 %: в целом панель из 10 API-моделей не выбирает между Keurig и Nespresso.
Keurig60 %
Nespresso40 %
- Доверительный интервал для Keurig: 48–72 %
Консенсус95-процентный интервал 48–72 %
Каждая модель
Доля бренда, названного в строке, с интервалом
Полоса: Keurig слева, Nespresso справа; пунктир — 50 %.
| Судья (API-модель) | Бренд и доля | Доверительный интервал | Перевес | График интервала |
|---|---|---|---|---|
| Claude Haiku 5.5 | Keurig: 66 % | 53–79 % | Явное предпочтение | |
| DeepSeek V4.1 Flash | Keurig: 59 % | 44–73 % | Явного предпочтения нет | |
| Gemini 3.8 Flash | Keurig: 53 % | 39–67 % | Явного предпочтения нет | |
| GLM-5.3 Flash | Keurig: 65 % | 51–78 % | Явное предпочтение | |
| GPT-6 Luna | Keurig: 67 % | 55–78 % | Явное предпочтение | |
| Grok 4.7 | Keurig: 52 % | 39–66 % | Явного предпочтения нет | |
| Kimi K3.1 Pro | Keurig: 65 % | 51–78 % | Явное предпочтение | |
| Llama 4 Maverick | Keurig: 53 % | 40–66 % | Явного предпочтения нет | |
| Mistral Small 2603 | Keurig: 61 % | 47–74 % | Явного предпочтения нет | |
| Qwen3.8 Flash | Keurig: 59 % | 46–73 % | Явного предпочтения нет |
Повторить броском шаровСимуляция
Симуляция: пути сценариев придуманы так, чтобы воспроизвести опубликованные доли по судьям; это не измеренные строки.
Явного лидера нет: доверительный интервал включает 50 %
Опубликованный 95-процентный доверительный интервал для Keurig: 48–72 %. 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.
- Другие потребности
Нажмите, чтобы бросить. Удерживайте, чтобы бросать дальше.
Цифры за машиной
008245a517e3JSONПоделиться
Поделиться результатом
Опубликовать
- X (откроется в новой вкладке)
- Threads (откроется в новой вкладке)
- Bluesky (откроется в новой вкладке)
- Reddit (откроется в новой вкладке)
- LinkedIn (откроется в новой вкладке)
- Facebook (откроется в новой вкладке)
- WhatsApp (откроется в новой вкладке)
- Telegram (откроется в новой вкладке)
- Эл. почта
Скачать картинку
Встроить
Встраивание бесплатно. Показывается последний выпуск; строку источника и ссылку не убирайте.
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 48 из 48 запланированных сценариев.
- Все судьи из списка соответствуют правилу.
Веса в консенсусе 10 учтённых судей
| Судья (API-модель) | Семейство моделей | Вес в консенсусе |
|---|---|---|
| Claude Haiku 5.5 | Anthropic | 10,0 % |
| DeepSeek V4.1 Flash | DeepSeek | 10,0 % |
| Gemini 3.8 Flash | 10,0 % | |
| GLM-5.3 Flash | Z.ai | 10,0 % |
| GPT-6 Luna | OpenAI | 10,0 % |
| Grok 4.7 | xAI | 10,0 % |
| Kimi K3.1 Pro | Moonshot AI | 10,0 % |
| Llama 4 Maverick | Meta | 10,0 % |
| Mistral Small 2603 | Mistral AI | 10,0 % |
| Qwen3.8 Flash | Qwen | 10,0 % |
Результаты по потребностям
Результаты по потребностям не публикуются: 6 сценариев на потребность — меньше заранее заданного минимума в 30.
8 потребностей покупателя
- Недорого и надёжно каждый день
- Маленькая кухня
- Дизайн и качество сборки
- Простой уход
- Быстрые утра в будни
- Вкус и температура заваривания
- Кофейные напитки и айс-кофе
- Гости и порции на всю семью
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 48 сценариях покупки. Языки сценариев: английский.
- Предварительная регистрация (SHA-256)
bb7b2a10ae62…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)
008245a517e3…
Места в рейтинге, включение и влияние на результаты никогда не продаются.