Uber против Lyft

Сервисы такси и райдшеринга60 сценариев

Панель, равные веса

claude-haiku-5.5anthropic/claude-haiku-5.5 @ claude-haiku-5.5 via OpenRouter
deepseek-v4.1-flashdeepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouter
gemini-4-argongoogle/gemini-4-argon @ gemini-4-argon via OpenRouter
gpt-6-lunaopenai/gpt-6-luna @ gpt-6-luna via OpenRouter
mistral-large-4-0mistralai/mistral-large-4-0 @ mistral-large-4-0 via OpenRouter

Быстрая панель

Uber82 %

Lyft18 %

Консенсус95-процентный интервал 73–90 %

Консенсус ИИ-моделей склоняется к ⁨Uber⁩

Каждая модель

Доля UberПеревес …

Условная доля выбора Uber 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)	Доля Uber	Доверительный интервал	Перевес
claude-haiku-5.5	83 %	73–91 %	Перевес Uber
deepseek-v4.1-flash	80 %	70–88 %	Перевес Uber
gemini-4-argon	88 %	76–95 %	Перевес Uber
gpt-6-luna	76 %	66–84 %	Перевес Uber
mistral-large-4-0	85 %	74–93 %	Перевес Uber

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.

Как считаются голоса

Повторить броском шаровСимуляция

Uber

Lyft

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

Консенсус ИИ-моделей склоняется к Uber

Опубликованный 95-процентный доверительный интервал для Uber: 73–90 %. 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 данных93851065afb8JSON

Встроить

Встраивание бесплатно. Показывается последний выпуск; строку источника и ссылку не убирайте.

Код для встраивания (iframe)

<iframe src="https://pickbench.ai/embed/ru/battle/uber-vs-lyft/" title="Битва брендов Pickbench: Uber против Lyft" width="100%" height="480" loading="lazy" frameborder="0" referrerpolicy="strict-origin-when-cross-origin" sandbox="allow-popups allow-popups-to-escape-sandbox"></iframe>
<p><a href="https://pickbench.ai/ru/vs/uber-vs-lyft/">Источник: Pickbench</a></p>

Статичная карточка (SVG)

Как это читать

В каждом сценарии моделям предлагают оба бренда; соотношение показывает, как часто выбирают каждый. Главная цифра — консенсус панели с равными весами моделей.
Полоса — 95-процентный интервал доли левого бренда. Модель склоняется к бренду, только если весь её интервал лежит по одну сторону от 50%.
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 ниже.
Мнение одной модели — это один судья, а не консенсус.
Автомат с шариками — симуляция: его траектории воспроизводят опубликованные доли по моделям.
Срезы по потребностям скрыты, если сценариев меньше 30.
На каждой странице — последний выпуск. Даты есть в загружаемом JSON.
Быстрая панель: быстрые или компактные актуальные модели каждого разработчика, а не полная панель флагманов.

Подробности и источники

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

Кто учтён

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

Запланировано 60 сценариев покупки.
Ни один из них не исключён.

Веса в консенсусе 5 учтённых судей

Вес каждого учтённого судьи в консенсусе
Судья (API-модель)	Семейство моделей	Вес в консенсусе
`anthropic/claude-haiku-5.5 @ claude-haiku-5.5 via OpenRouter`	`anthropic`	20,0 %
`deepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouter`	`deepseek`	20,0 %
`google/gemini-4-argon @ gemini-4-argon via OpenRouter`	`google`	20,0 %
`openai/gpt-6-luna @ gpt-6-luna via OpenRouter`	`openai`	20,0 %
`mistralai/mistral-large-4-0 @ mistral-large-4-0 via OpenRouter`	`mistral`	20,0 %

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: Поездки в аэропорт: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Чистые и удобные машины: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Поездки без водителя: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Удобное приложение и оплата: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Быстрая подача в любое время: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Поездки компанией и на больших машинах: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Самая низкая цена поездки: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Премиальные деловые поездки: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Безопасность и доверие: n = 6 сценариев (меньше 30) — Сценариев меньше заранее заданного минимума
Потребность покупателя: Работает во многих городах: n = 6 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 60 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.

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)
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

Только названия брендов: модели видели каждый вариант как название бренда, без фактов о товарах, и отвечали по собственным знаниям.

Об этом результате

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

Методология

ACM-1.0

ИИ-модели (API)

anthropic/claude-haiku-5.5 @ claude-haiku-5.5 via OpenRouter, через OpenRouter (провайдеры закреплены)
deepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouter, через OpenRouter (провайдеры закреплены)
google/gemini-4-argon @ gemini-4-argon via OpenRouter, через OpenRouter (провайдеры закреплены)
openai/gpt-6-luna @ gpt-6-luna via OpenRouter, через OpenRouter (провайдеры закреплены)
mistralai/mistral-large-4-0 @ mistral-large-4-0 via OpenRouter, через OpenRouter (провайдеры закреплены)

Условия

Каждую модель вызывали указанным рядом с ней способом, и она выбирала между двумя брендами в 60 сценариях покупки. Языки сценариев: английский.

Учтённые судьи

По предварительно зарегистрированному правилу включения учтены результаты 5 из 5 судей. В расчёт вошли данные 60 из 60 запланированных сценариев.

Кто учтён и почему

Предварительная регистрация (SHA-256)

fedc5045789eb51333722fe56c847108a22b50227133e5781499d292ff3065ac

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): 93851065afb89cea294f3440d770eafa50b77408450bc2c7d517fb8d4a4213ac

Как проверить снимок данных

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