Úloha
Autoumyváreň — eko dilema (chyták)
Doplnené kritériá (data-driven po zbere 15 odpovedí): 4× reasoning + eko + penalizácia zahrabaného vhľadu. Jednoshot bez nápověd.
Zobraziť zadanie
Mojou úlohou je nechať si umyť auto.
Sedím v ňom na parkovisku pred domom a premýšlam čo urobiť.
Najbližšia autoumývačka je odo mňa vzdialená len 10 minút pešej chôdze.
Som veľmi ekologicky založený a preto mám dilemu, či ísť autom alebo pešo prípadne bicyklom?
Ako by si sa na mojom mieste rozhodol?
Kritériá (5)
- #1 Rozpozná, že úlohou je umyť samotné AUTO → auto musí byť fyzicky na umývačke → dilema o spôsobe dopravy je falošná graded váha 3
- #2 Explicitne vysvetlí, prečo pešo/bicykel zlyhá — dorazil by bez auta a nemal by čo umývať binary váha 1.5
- #3 Dá správny záver: ísť autom (odviezť auto do umývačky) binary váha 1
- #4 Presmeruje ekologické uvažovanie na relevantné páky (metóda umývania, frekvencia, recyklácia vody, umytie doma), nie na spôsob dopravy graded váha 1.5
- #5 Jadro vysloví jasne a vpredu — nezahrabe ho do zbytočnej omáčky graded váha 1
Ukončovací vhľad · 0 nápověd
Model si uvedomí, že cieľom je umyť samotné AUTO, takže auto musí byť fyzicky na autoumývačke — ísť pešo/bicyklom by ho tam nedopravilo (dorazil by len človek bez auta). Dilema o spôsobe dopravy je preto falošná: jediná možnosť, ktorá splní úlohu, je ísť autom. Ekológia sa rieši metódou a frekvenciou umývania, nie voľbou dopravy.
Výsledky — 1. verzia · 45 behov
Producent:
Stĺpec = priemer, úsečka = rozptyl (min–max). Klik na stĺpec → jednotlivé behy modelu.
| Model | Vydaný | Vecné Ø ▼ | Rozpätie | Chytil chyták | Behy | |
|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | apríl 2026 | 100 | 100–100 | 3/3 | 3 | |
| Gemini 2.5 Pro | jún 2025 | 95 | 91–100 | 3/3 | 3 | |
| Claude Opus 4.8 | máj 2026 | 92 | 75–100 | 3/3 | 3 | |
| Claude Sonnet 5 | jún 2026 | 89 | 84–91 | 3/3 | 3 | |
| GPT-5 | august 2025 | 69 | 25–100 | 2/3 | 3 | |
| GPT-5 Mini | august 2025 | 17 | 9–25 | 0/3 | 3 | |
| Claude 3 Haiku | marec 2024 | 6 | 0–19 | 0/3 | 3 | |
| Mistral Large | február 2024 | 6 | 0–9 | 0/3 | 3 | |
| DeepSeek R1 | január 2025 | 3 | 0–9 | 0/3 | 3 | |
| GPT-4o | máj 2024 | 2 | 0–6 | 0/3 | 3 | |
| Claude Haiku 4.5 | október 2025 | 0 | 0–0 | 0/3 | 3 | |
| Llama 4 Maverick | apríl 2025 | 0 | 0–0 | 0/3 | 3 | |
| Llama 3.1 70B | júl 2024 | 0 | 0–0 | 0/3 | 3 | |
| GPT-4o mini | júl 2024 | 0 | 0–0 | 0/3 | 3 | |
| GPT-3.5 Turbo | máj 2023 | 0 | 0–0 | 0/3 | 3 |