Pickbench
Пример отчёта

BMW против Toyota

Предпочтения 5 ИИ-моделей в целом и по потребностям покупателя (при наличии данных)

Сравниваемые комплектации: 2026 BMW X1 M35i (Auto (AM-S7), 4 cyl, 2.0 L, Turbo) против 2026 Toyota RAV4 AWD Limited & XSE (Auto (AV-S6), 4 cyl, 2.5 L)

BMW
Toyota

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

Консенсус ИИ-моделей склоняется к Toyota

Опубликованный 95-процентный доверительный интервал для BMW: 2 %–9 %. 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.

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.

Цифры за машиной

Консенсус ИИ

Консенсус ИИ-моделей склоняется к Toyota

Сравниваемые комплектации: 2026 BMW X1 M35i (Auto (AM-S7), 4 cyl, 2.0 L, Turbo) против 2026 Toyota RAV4 AWD Limited & XSE (Auto (AV-S6), 4 cyl, 2.5 L)

  • Доверительный интервал для BMW: 2 %–9 %
  • 95-процентные доверительные интервалы (комбинация интервалов отдельных судей методом MOVER, расширенная для малых выборок в битвах и новых чартах)

Оранжевым — 95-процентный доверительный интервал для BMW, отметкой — точечная оценка, линией — 50 %.

Как распределились судьи

  • 0 судей склоняются к BMW
  • 5 судей склоняются к Toyota
  • 0 судей: явного предпочтения нет

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

В консенсусе каждое семейство моделей имеет равный вес. Основная мера — результаты по каждому судье ниже.

Быстрая панель: быстрые или компактные актуальные модели каждого разработчика, а не полная панель флагманов.

Категория
Компактные кроссоверы
Данные на
Выпуск
2026-10
Методология
ACM-1.0
Судьи
5
Сценарии
63
Точность
Измерена

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.

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

По судьям

95-процентные доверительные интервалы (объединение интервалов кластерного бутстрепа по сценариям и Уилсона, расширенное для малых выборок в битвах и новых чартах)

Условная доля выбора BMW по каждому судье (среди сценариев, где судья выбрал бренд), с доверительными интервалами
Судья (API-модель)Доля BMWДоверительный интервалПеревес
anthropic/claude-haiku-5.5-20261007 @ claude-haiku-5.5-20261007 via OpenRouter20 %10 %–32 %Toyota
deepseek/deepseek-v4.1-flash-20260910 @ deepseek-v4.1-flash-20260910 via OpenRouter0 %0 %–6 %Toyota
google/gemini-4-argon-20261013 @ gemini-4-argon-20261013 via OpenRouter0 %0 %–6 %Toyota
openai/gpt-6-luna-20260922 @ gpt-6-luna-20260922 via OpenRouter2 %0 %–5 %Toyota
mistralai/mistral-large-4-0-20261006 @ mistral-large-4-0-20261006 via OpenRouter0 %0 %–6 %Toyota

Кто учтён

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

  • Запланировано 63 сценария покупки.
  • Ни один из них не исключён.
Веса в консенсусе 5 учтённых судей
Вес каждого учтённого судьи в консенсусе
Судья (API-модель)Семейство моделейВес в консенсусе
anthropic/claude-haiku-5.5-20261007 @ claude-haiku-5.5-20261007 via OpenRouteranthropic20,0 %
deepseek/deepseek-v4.1-flash-20260910 @ deepseek-v4.1-flash-20260910 via OpenRouterdeepseek20,0 %
google/gemini-4-argon-20261013 @ gemini-4-argon-20261013 via OpenRoutergoogle20,0 %
openai/gpt-6-luna-20260922 @ gpt-6-luna-20260922 via OpenRouteropenai20,0 %
mistralai/mistral-large-4-0-20261006 @ mistral-large-4-0-20261006 via OpenRoutermistral20,0 %

Неучтённые судьи

Все судьи из списка соответствуют правилу.

Рассчитанные, но не опубликованные результаты

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

Потребность покупателя: Ежедневные поездки
n = 14 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Удовольствие от вождения
n = 14 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Для семьи
n = 10 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Надёжность
n = 12 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Низкие расходы на содержание
n = 13 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 63 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.

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

  • Модели выбирали только по характеристикам EPA; цена покупки, надёжность и наличие в продаже не оценивались.

Об этом результате

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

Методология
ACM-1.0
Выпуск
2026-10
Дата измерения
ИИ-модели (API)
  • anthropic/claude-haiku-5.5-20261007 @ claude-haiku-5.5-20261007 via OpenRouter, через OpenRouter (провайдеры закреплены)
  • deepseek/deepseek-v4.1-flash-20260910 @ deepseek-v4.1-flash-20260910 via OpenRouter, через OpenRouter (провайдеры закреплены)
  • google/gemini-4-argon-20261013 @ gemini-4-argon-20261013 via OpenRouter, через OpenRouter (провайдеры закреплены)
  • openai/gpt-6-luna-20260922 @ gpt-6-luna-20260922 via OpenRouter, через OpenRouter (провайдеры закреплены)
  • mistralai/mistral-large-4-0-20261006 @ mistral-large-4-0-20261006 via OpenRouter, через OpenRouter (провайдеры закреплены)
Условия
Каждую модель вызывали указанным рядом с ней способом, и она выбирала между двумя брендами в 63 сценариях покупки. Языки сценариев: английский.
Учтённые судьи

По предварительно зарегистрированному правилу включения учтены результаты 5 из 5 судей. В расчёт вошли данные 63 из 63 запланированных сценариев.

Кто учтён и почему

Предварительная регистрация (SHA-256)
c918cf29b0b22318b9606b090f25f1c2f4cebd7b969211ac7328a7951dec90e7
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)
434ea9e936e02f0408b5fa53f9dfe7c29f52f1d799f92803a4b9da76e3024979

Как проверить снимок данных

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