Pickbench
Пример отчёта

Chevrolet против Ford

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

Сравниваемые комплектации: 2026 Chevrolet Colorado Mud Terrain Tires 4WD (Auto 8-spd, 4 cyl, 2.7 L, Turbo) против 2026 Ford F150 Pickup 2WD (Auto (S10), 8 cyl, 5.0 L)

Chevrolet
Ford

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 Chevrolet: 41 %–64 %. 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

Явного лидера нет: доверительный интервал включает 50 %

Сравниваемые комплектации: 2026 Chevrolet Colorado Mud Terrain Tires 4WD (Auto 8-spd, 4 cyl, 2.7 L, Turbo) против 2026 Ford F150 Pickup 2WD (Auto (S10), 8 cyl, 5.0 L)

  • Доверительный интервал для Chevrolet: 41 %–64 %
  • 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 Chevrolet, отметкой — точечная оценка, линией — 50 %.

Как распределились судьи

  • 0 судей склоняются к Chevrolet
  • 0 судей склоняются к Ford
  • 5 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.

Об этой битве

Категория
Пикапы
Данные на
Выпуск
2026-10
Методология
ACM-1.0
Судьи
5
Сценарии
53
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 Chevrolet по каждому судье (среди сценариев, где судья выбрал бренд), с доверительными интервалами
Судья (API-модель)Доля ChevroletДоверительный интервалПеревесГрафик интервала
anthropic/claude-haiku-5.5-20261007 @ claude-haiku-5.5-20261007 via OpenRouter42 %33 %–52 %Явного предпочтения нет
deepseek/deepseek-v4.1-flash-20260910 @ deepseek-v4.1-flash-20260910 via OpenRouter43 %31 %–57 %Явного предпочтения нет
google/gemini-4-argon-20261013 @ gemini-4-argon-20261013 via OpenRouter63 %49 %–77 %Явного предпочтения нет
openai/gpt-6-luna-20260922 @ gpt-6-luna-20260922 via OpenRouter60 %46 %–74 %Явного предпочтения нет
mistralai/mistral-large-4-0-20261006 @ mistral-large-4-0-20261006 via OpenRouter52 %39 %–66 %Явного предпочтения нет

Кто учтён

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

  • Запланировано 53 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 = 12 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Удовольствие от вождения
n = 6 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 = 15 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Низкие расходы на содержание
n = 10 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 53 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 53 сценариях покупки. Языки сценариев: английский.
Учтённые судьи

По предварительно зарегистрированному правилу включения учтены результаты 5 из 5 судей. В расчёт вошли данные 53 из 53 запланированных сценариев.

Кто учтён и почему

Предварительная регистрация (SHA-256)
268c3fd1b55dc9556a2b00145466f78e0c86ff2feca8c8bc24db81a281ce9431
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)
55c7f49daddc90a644dea184605cca9d4999ff6227f8024f5fede2bb1c18ad6c

Как проверить снимок данных

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