Один и тот же вопрос, четыре модели искусственного интеллекта: насколько различаются ответы?

Короткий ответ По одному и тому же запросу четыре модели различались по двум пунктам: насколько большая задача они поручают вам в первый день, и как они восстанавливают план после того, как вы пропустите день. Одна модель начинается с 5 слов. Другой начинается с 20. Разрыв не в несколько символов. Это количество усилий, которые вам придется приложить завтра. Мы отправили одно приглашение Claude Sonnet 5, GPT-6.1 Sol, DeepSeek V4 Pro и Qwen3.8 Max через LMU AI API. Каждая модель ответила дважды (подсказка, затем продолжение), что дало нам 8 действительных ответов. Мы не выбрали сложную задачу. Нам хотелось посмотреть, как они справляются с чем-то обычным. Та же подсказка, другая стартовая нагрузка Подсказка (оригинал на китайском языке, переведен здесь): Я хочу снова начать изучать английский язык. Я могу заниматься по 30 минут в день в течение одной недели. Мой уровень средний, и я склонен сдаваться на полпути. Составьте мне семидневный план, в котором будет указано содержание и распределение времени на каждый день, а также дайте совет, что делать, если я не закончу дневное задание. План должен быть простым. Ответ длиной до 500 китайских иероглифов. Не задавай мне вопросов. GPT-6.1 Sol: самый маленький первый шаг День 1 – 5 минут чтения 5 общих слов, 10 минут прослушивания короткого ролика с самопрезентацией, 10 минут шадо.