Один промпт для всех, одна попытка, без подсказок. Ниже живые дашборды, которые собрала каждая модель: переключай вкладки и сравнивай. Таблица к посту про GPT-6.2 Sol, GPT-6.1 Sol и Qwen3.8-Omni-Flash.
Я собрала отчеты выдуманного магазина на маркетплейсе за август, сентябрь и октябрь: продажи, возвраты, реклама, остатки, тарифы, себестоимость, акции. 7 файлов, больше 3 000 строк, внутри 5 спрятанных причин. Задание: найти причины, посчитать потери, сделать дашборд одним HTML-файлом и письмо, что делать первым. За каждую причину 1 балл, если нашла, и еще 1, если примерно верно посчитала потери. Максимум 10.
Дашборды живые: переключай вкладки и листай прямо тут. Это ровно то, что модель выдала с первой попытки, без правок.
| Модель | Баллы | Время | Цена | Пропажу 1 120 шт. | Дашборд | Коротко |
|---|---|---|---|---|---|---|
| Claude Opus 5.5приложение Claude, агент | 10/10 | 7:49 | ≈ $2,70 по API | нашел | открыть | Самый быстрый. Завысил цифру потерь в шапке дашборда |
| Claude Sonnet 5.5приложение Claude, агент | 10/10 | 10:44 | ≈ $2,45 по API | нашел | открыть | Самый наглядный: график по неделям и план до кнопок в кабинете |
| Kimi K3.1 ProClaude Code в терминале, API Moonshot | 9,5/10 | ≈ 21:00 | ≈ $1,70 | не заметила | открыть | Стильный дизайн, но не выделила размер S у худи. Дважды упиралась в дневной лимит |
| Qwen4-MaxQwen Studio, режим агента | 10/10 | 20:00 | бесплатно 60% недельного лимита |
нашел | открыть | Прибыль по месяцам совпала с ключом до тысячи. Смешивал языки («Что happend») и сам исправлял |
| GPT-6.2 Sol новоеCodex, уровень High, тариф Plus | 10/10 | 13:00 | 1% недели 6% 5-часового лимита |
нашел | открыть | Прибыль по месяцам до рубля. В письме завысил потерю от скидки на футболку: 802 тыс. вместо примерно 300 |
| GPT-6.1 Sol новоеCodex, уровень High, тариф Plus | 10/10 | 12:00 | 1% недели 9% 5-часового лимита |
нашел | открыть | Прибыль по месяцам и доплату за логистику (346 880 ₽) посчитал до рубля |
| Qwen3.8-Omni-Flash новоеQwen Studio, режим агента, 5 файлов* | 10/10 | 26:00 | бесплатно 30% недельного лимита |
не заметила | открыть | Самая медленная, но единственная разобрала, куда ушли деньги со счета: 3,98 млн заморожено в остатках |
* В чате Qwen Studio у Flash можно прикрепить не больше 5 файлов, поэтому тарифы, себестоимость и акции я сложила в один файл. Данные те же.
Договор блогера с рекламодателем на 60 000 ₽. Внутри 8 ловушек: бесконечные правки, пост нельзя удалить никогда под штраф 300 000 ₽, все права на контент и лицо навсегда, эксклюзив на год по всему ИИ, маркировка целиком на блогере, оплата без срока, урезание цены по «прогнозу» заказчика, несимметричные штрафы. Плюс 5 нормальных пунктов, чтобы поймать модель на выдуманных рисках. Обычный чат, файл .docx вложением.
| Модель | Ловушки | Время | Лимит | Выдуманные риски | Коротко |
|---|---|---|---|---|---|
| Qwen4-MaxQwen Studio, «Мышление» | 8/8 | 6:00 | бесплатно 4% недельного лимита |
0 | Самый подробный: статьи ГК, штрафы за маркировку. Сам ходил в интернет, снова смешал языки («за THEIR») |
| Claude Opus 5.5приложение Claude, размышления High | 8/8 | 3:30 | 1% недели, тариф Pro | 0 | Короче всех, сразу с планом торга и предоплатой |
| Claude Sonnet 5.5приложение Claude, размышления High | 8/8 | 2:10 | 1% недели, тариф Pro | 0 | Самый быстрый и структурный, добавил лимит ответственности блогера |
| GPT-6.2 Sol новоеCodex, уровень High | 8/8 | 4:00 | 1% недели, Plus | 0 | Самый длинный и «юридический»: к каждому пункту готовая редакция и ссылки на законы |
| GPT-6.1 Sol новоеCodex, уровень High | 8/8 | 4:00 | 1% недели, Plus | 0 | Со ссылками на законы и расчетом оплаты при отмене кампании |
| Qwen3.8-Omni-Flash новоеQwen Studio, «Мышление» | 8/8 | 5:00 | бесплатно 0% недельного лимита |
0 | Таблицей с готовыми формулировками. Смесь языков: «Теoretically», «unilateral’но» |
Kimi, Opus и Sonnet с разбором и видео: пост в канале.