Ninja против Cosori
Аэрогрили60 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
Ответ
ЯвноБыстрая панель
Ninja
Ninja 58 % · Cosori 42 % — все 9 моделей вместе
5 явно предпочитают Ninja · 2 без явного предпочтения · 2 явно предпочитают Cosori · исключено: 1 · все 9 учтённых моделей входят в общий результат
95-процентный интервал для Ninja: 51–65 %
Подробнеекаждая модель, интервалы, условия
Все модели вместе
Быстрая панельЯвноВсе 9 моделей вместе склоняются к Ninja (интервал не включает 50 %); по отдельности: 5 явно предпочитают Ninja · 2 без явного предпочтения · 2 явно предпочитают Cosori.
Ninja58 %
Cosori42 %
- Доверительный интервал для Ninja: 51–65 %
Консенсус95-процентный интервал 51–65 %
Каждая модель
Доля бренда, названного в строке, с интервалом
Полоса: Ninja слева, Cosori справа; пунктир — 50 %.
| Судья (API-модель) | Бренд и доля | Доверительный интервал | Перевес | График интервала |
|---|---|---|---|---|
| Claude Haiku 5.5 | Ninja: 73 % | 62–83 % | Явное предпочтение | |
| DeepSeek V4.1 Flash | Cosori: 69 % | 59–78 % | Явное предпочтение | |
| Gemini 3.8 Flash | Ninja: 66 % | 53–78 % | Явное предпочтение | |
| GLM-5.3 Flash | Ninja: 73 % | 65–80 % | Явное предпочтение | |
| GPT-6 Luna | Ninja: 67 % | 60–74 % | Явное предпочтение | |
| Grok 4.7 | Ninja: 54 % | 43–64 % | Явного предпочтения нет | |
| Kimi K3.1 Pro | Ninja: 60 % | 49–71 % | Явного предпочтения нет | |
| Llama 4 Maverick | Cosori: 62 % | 53–72 % | Явное предпочтение | |
| Mistral Small 2603 | Ninja: 58,5 % | 50,1–66,5 % | Явное предпочтение |
Повторить броском шаровСимуляция
Симуляция: пути сценариев придуманы так, чтобы воспроизвести опубликованные доли по судьям; это не измеренные строки.
Консенсус ИИ-моделей склоняется к Ninja
Опубликованный 95-процентный доверительный интервал для Ninja: 51–65 %. 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
3c508152e1bfJSONПоделиться
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 9 из 10 судей.
- В расчёт вошли данные 60 из 60 запланированных сценариев.
Веса в консенсусе 9 учтённых судей
| Судья (API-модель) | Семейство моделей | Вес в консенсусе |
|---|---|---|
| Claude Haiku 5.5 | Anthropic | 11,1 % |
| DeepSeek V4.1 Flash | DeepSeek | 11,1 % |
| Gemini 3.8 Flash | 11,1 % | |
| GLM-5.3 Flash | Z.ai | 11,1 % |
| GPT-6 Luna | OpenAI | 11,1 % |
| Grok 4.7 | xAI | 11,1 % |
| Kimi K3.1 Pro | Moonshot AI | 11,1 % |
| Llama 4 Maverick | Meta | 11,1 % |
| Mistral Small 2603 | Mistral AI | 11,1 % |
Неучтённые судьи
jdg-live-qwen3-8-flash-or-v1- Слишком мало корректных ответов (ниже заранее заданного минимума) и Ответил на слишком малую часть запланированных сценариев
Результаты по потребностям
Результаты по потребностям не публикуются: 6 сценариев на потребность — меньше заранее заданного минимума в 30.
10 потребностей покупателя
- Компактно на столешнице
- Хрустящая картошка и крылышки
- Простая мойка
- Семейный ужин с гарниром
- Быстрый разогрев и подогрев остатков
- Понятное управление и надёжность
- Контроль готовности без потери тепла
- Выпечка, запекание и тосты
- Тихий вентилятор и прохладная кухня
- Запечённые овощи и сочное мясо
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
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)
6b7a225c45cb…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)
3c508152e1bf…
Места в рейтинге, включение и влияние на результаты никогда не продаются.