Сравнительная оценка · 18 моделей

Компьютерное зрение — бенчмарк

18 моделей в равных условиях: 303 задач и независимый судья Opus (единый метод). Один средний балл (0–10) по трём критериям — корректность, формат, русский — решает, кто лучше.

303

задач

категорий

моделей

32,768

бюджет, ток.

Лидерборд

средний балл · 0–10

Kimi K2.6

9.01

GPT-5.6 Sol (med)

8.99

GPT-5.5 (medium)

8.95

GPT-5.6 Sol (low)

8.94

GPT-5.5 (low)

8.89

GPT-5.6 Terra (med)

8.86

Qwen3.6-35B-A3B-FP8

8.84

Qwen3.6-27B-FP8

8.77

GPT-5.6 Terra (high)

8.75

GPT-5.6 Terra (low)

8.73

GPT-5.6 Luna (high)

8.72

GPT-5.6 Luna (med)

8.69

GPT-5.6 Luna (low)

8.57

gemma-4-31b

8.46

diffusion-gemma

8.20

MiniMax-M3

8.10

llama-scout

7.53

Nemotron-3-Nano-Omni-30B

6.80

Чемпион — Kimi K2.6 · 5 / 17 категорий

Ключевые выводы

Лидер — Kimi K2.6

Kimi K2.6 возглавляет таблицу с 9.01 / 10 и берёт 5 / 17 категорий. Следом — GPT-5.6 Sol (med) (8.99) и GPT-5.5 (medium) (8.95).

Плотная середина

GPT-5.6 Sol (low) (8.94), GPT-5.5 (low) (8.89), GPT-5.6 Terra (med) (8.86) — разброс 0.07 балла; выбор зависит от задачи.

Аутсайдеры

Замыкают поле Nemotron-3-Nano-Omni-30B (6.80) и llama-scout (7.53).

Русский язык

Лучший русский у Kimi K2.6 (9.41). Критерий russian весит 10% в итоговом Σ.

Лидерборд

Средний балл по трём критериям, нормированный по категориям (крупные категории не перевешивают).

Критерии судьи · 0–10C correctness — корректностьF format — форматRu russian — русский«Среднее» — взвешенная свёртка этих трёх

Лидерборд0–10 · нормировано

Kimi K2.6

9.01/10

за задачу 9.03лидер в кат. 5 / 17доля побед 10.2%

GPT-5.6 Sol (med)

8.99/10

за задачу 8.99лидер в кат. 2 / 17доля побед 1.1%

GPT-5.5 (medium)

8.95/10

за задачу 8.92лидер в кат. 4 / 17доля побед 3.0%

GPT-5.6 Sol (low)

8.94/10

за задачу 8.95лидер в кат. 2 / 17доля побед 1.1%

GPT-5.5 (low)

8.89/10

за задачу 8.85лидер в кат. 2 / 17доля побед 4.6%

GPT-5.6 Terra (med)

8.86/10

за задачу 8.84лидер в кат. 0 / 17доля побед 0.9%

Qwen3.6-35B-A3B-FP8

8.84/10

за задачу 8.84лидер в кат. 0 / 17доля побед 10.9%

Qwen3.6-27B-FP8

8.77/10

за задачу 8.73лидер в кат. 1 / 17доля побед 40.9%

GPT-5.6 Terra (high)

8.75/10

за задачу 8.75лидер в кат. 0 / 17доля побед 0.8%

GPT-5.6 Terra (low)

8.73/10

за задачу 8.76лидер в кат. 0 / 17доля побед 0.3%

GPT-5.6 Luna (high)

8.72/10

за задачу 8.74лидер в кат. 0 / 17доля побед 0.4%

GPT-5.6 Luna (med)

8.69/10

за задачу 8.73лидер в кат. 0 / 17доля побед 0.0%

GPT-5.6 Luna (low)

8.57/10

за задачу 8.59лидер в кат. 0 / 17доля побед 0.0%

gemma-4-31b

8.46/10

за задачу 8.41лидер в кат. 1 / 17доля побед 3.1%

diffusion-gemma

8.20/10

за задачу 8.22лидер в кат. 0 / 17доля побед 0.5%

MiniMax-M3

8.10/10

за задачу 7.99лидер в кат. 0 / 17доля побед 18.7%

llama-scout

7.53/10

за задачу 7.52лидер в кат. 0 / 17доля побед 3.3%

Nemotron-3-Nano-Omni-30B

6.80/10

за задачу 6.80лидер в кат. 0 / 17доля побед 0.3%

Полная таблица баллов

#	Модель	Средний балл	За задачу	Лидер в кат.	Доля побед	C	F	Ru
1	Kimi K2.6	9.01	9.03	5 / 17	10.2%	9.0	8.9	9.4
2	GPT-5.6 Sol (med)	8.99	8.99	2 / 17	1.1%	9.0	8.4	9.3
3	GPT-5.5 (medium)	8.95	8.92	4 / 17	3.0%	8.9	8.5	9.3
4	GPT-5.6 Sol (low)	8.94	8.95	2 / 17	1.1%	9.0	8.3	9.3
5	GPT-5.5 (low)	8.89	8.85	2 / 17	4.6%	8.9	8.3	9.2
6	GPT-5.6 Terra (med)	8.86	8.84	0 / 17	0.9%	8.9	8.2	9.2
7	Qwen3.6-35B-A3B-FP8	8.84	8.84	0 / 17	10.9%	8.8	8.6	9.2
8	Qwen3.6-27B-FP8	8.77	8.73	1 / 17	40.9%	8.7	8.7	9.2
9	GPT-5.6 Terra (high)	8.75	8.75	0 / 17	0.8%	8.8	8.1	9.2
10	GPT-5.6 Terra (low)	8.73	8.76	0 / 17	0.3%	8.8	8.1	9.2
11	GPT-5.6 Luna (high)	8.72	8.74	0 / 17	0.4%	8.7	8.2	9.3
12	GPT-5.6 Luna (med)	8.69	8.73	0 / 17	0.0%	8.7	8.2	9.3
13	GPT-5.6 Luna (low)	8.57	8.59	0 / 17	0.0%	8.6	8.2	9.3
14	gemma-4-31b	8.46	8.41	1 / 17	3.1%	8.3	8.4	9.2
15	diffusion-gemma	8.20	8.22	0 / 17	0.5%	8.2	8.2	8.1
16	MiniMax-M3	8.10	7.99	0 / 17	18.7%	7.7	8.8	9.1
17	llama-scout	7.53	7.52	0 / 17	3.3%	7.3	8.1	8.7
18	Nemotron-3-Nano-Omni-30B	6.80	6.80	0 / 17	0.3%	6.9	6.0	6.5

Расход токенов на ответ

Медиана выходных токенов на задачу — «болтливость» модели (у reasoning-моделей включает рассуждение).

Расход токенов на ответ0–10 · нормировано

GPT-5.6 Sol (low)

3,415

символов 239

GPT-5.6 Sol (med)

3,411

символов 246

GPT-5.6 Terra (high)

3,354

символов 202

GPT-5.6 Terra (low)

3,311

символов 209

GPT-5.6 Terra (med)

3,295

символов 201

GPT-5.6 Luna (high)

3,062

символов 212

GPT-5.5 (low)

2,942

символов 304

GPT-5.6 Luna (med)

2,888

символов 207

GPT-5.5 (medium)

2,846

символов 300

GPT-5.6 Luna (low)

2,774

символов 207

Kimi K2.6

1,445

символов 488

Qwen3.6-27B-FP8

1,130

символов 544

Qwen3.6-35B-A3B-FP8

993

символов 513

Nemotron-3-Nano-Omni-30B

840

символов 217

gemma-4-31b

640

символов 369

MiniMax-M3

593

символов 814

llama-scout

179

символов 595

diffusion-gemma

173

символов 519

Таблица токенов

Модель	Медиана	Среднее	символов (медиана)
GPT-5.6 Sol (low)	3,415	4,199	239
GPT-5.6 Sol (med)	3,411	4,177	246
GPT-5.6 Terra (high)	3,354	3,876	202
GPT-5.6 Terra (low)	3,311	3,800	209
GPT-5.6 Terra (med)	3,295	3,645	201
GPT-5.6 Luna (high)	3,062	4,237	212
GPT-5.5 (low)	2,942	3,947	304
GPT-5.6 Luna (med)	2,888	3,422	207
GPT-5.5 (medium)	2,846	3,598	300
GPT-5.6 Luna (low)	2,774	3,216	207
Kimi K2.6	1,445	2,295	488
Qwen3.6-27B-FP8	1,130	2,040	544
Qwen3.6-35B-A3B-FP8	993	1,472	513
Nemotron-3-Nano-Omni-30B	840	1,658	217
gemma-4-31b	640	739	369
MiniMax-M3	593	633	814
llama-scout	179	190	595
diffusion-gemma	173	186	519

Производительность

Скорость генерации (tok/s, медиана) и типовая задержка ответа.

Производительность0–10 · нормировано

GPT-5.6 Terra (low)

439 tok/s

задержка 7.8с

GPT-5.6 Terra (high)

426 tok/s

задержка 8.1с

GPT-5.6 Sol (med)

425 tok/s

задержка 8.4с

GPT-5.6 Terra (med)

424 tok/s

задержка 8.0с

GPT-5.6 Sol (low)

415 tok/s

задержка 8.5с

GPT-5.6 Luna (high)

350 tok/s

задержка 8.4с

GPT-5.6 Luna (low)

344 tok/s

задержка 8.0с

GPT-5.6 Luna (med)

333 tok/s

задержка 8.5с

GPT-5.5 (low)

187 tok/s

задержка 16.4с

GPT-5.5 (medium)

176 tok/s

задержка 16.3с

Qwen3.6-35B-A3B-FP8

168 tok/s

задержка 6.1с

llama-scout

151 tok/s

задержка 1.2с

Nemotron-3-Nano-Omni-30B

91 tok/s

задержка 9.0с

Qwen3.6-27B-FP8

79 tok/s

задержка 14.2с

diffusion-gemma

63 tok/s

задержка 2.6с

Kimi K2.6

55 tok/s

задержка 25.4с

gemma-4-31b

36 tok/s

задержка 18.0с

MiniMax-M3

28 tok/s

задержка 21.1с

Результаты по сегментам

Средний балл по группам задач × модели. Теплее = выше; золотая рамка — лидер сегмента.

Сегмент × модель0–10

Kimi K2.6

GPT-5.6 Sol
(med)

GPT-5.5
(medium)

GPT-5.6 Sol
(low)

GPT-5.5
(low)

GPT-5.6 Terra
(med)

Qwen3.6-35B-A3B-FP8

Qwen3.6-27B-FP8

GPT-5.6 Terra
(high)

GPT-5.6 Terra
(low)

GPT-5.6 Luna
(high)

GPT-5.6 Luna
(med)

GPT-5.6 Luna
(low)

gemma-4-31b

diffusion-gemma

MiniMax-M3

llama-scout

Nemotron-3-Nano-Omni-30B

Банки / финтех

9.3

9.5

9.3

9.5

9.3

9.1

9.0

9.4

9.3

9.1

9.0

8.5

8.1

8.2

8.1

7.5

Дата-аналитика

9.1

9.2

9.1

9.2

9.1

9.3

8.8

8.7

9.0

9.2

9.1

8.7

9.1

8.7

8.1

8.2

Маркетинг

9.5

9.4

9.5

9.3

9.5

9.3

9.4

9.5

9.4

9.2

9.3

9.2

9.5

9.0

8.7

9.0

8.6

Нефтегаз

8.3

8.8

8.4

8.1

8.2

7.9

7.8

8.2

8.3

8.6

8.5

8.0

7.8

8.0

7.7

6.7

5.6

Общее

9.4

9.3

9.2

9.3

8.7

9.3

9.0

8.7

9.0

9.1

8.7

8.6

7.5

7.8

7.2

7.1

Тяжёлая промышленность

8.9

8.4

8.3

8.2

8.6

8.4

8.3

8.1

8.4

8.0

7.8

8.1

7.8

7.0

6.8

5.1

Стройка

8.4

8.3

8.5

8.2

8.5

8.4

8.2

8.3

7.9

7.5

7.7

7.6

6.4

6.1

Операционка (бух/фин/юр/налоги)

9.7

9.6

9.5

9.1

9.4

9.5

9.2

9.5

9.4

9.1

8.8

8.6

8.7

7.1

Результаты по категориям

Лидер и балл в каждой из категорий.

Категория × лидер0–10

Категория	Лидер	Балл	задач
Графики и диаграммы	GPT-5.6 Sol (low)	9.10	25
Сравнение (до/после)	GPT-5.5 (low)	9.00	4
Подсчёт объектов	Kimi K2.6	7.25	22
Дашборды (BI)	GPT-5.6 Sol (med)	9.63	12
Дефектоскопия	GPT-5.5 (low)	8.80	6
Детекция/локализация	GPT-5.5 (medium)	8.87	12
Схемы	GPT-5.6 Sol (low)	9.45	34
Чертежи	GPT-5.5 (medium)	9.64	14
Оборудование	Kimi K2.6	8.78	18
Извлечение полей (KIE)	Kimi K2.6	9.65	19
Карты	GPT-5.6 Sol (med)	9.66	16
OCR — чтение текста	GPT-5.5 (medium)	9.73	30
Охрана труда / СИЗ	gemma-4-31b	8.82	10
Сцены и объекты	Kimi K2.6	8.69	35
Таблицы	Qwen3.6-27B-FP8	9.81	27
Интерфейсы (UI)	GPT-5.5 (medium)	9.92	9
Визуальное рассуждение	Kimi K2.6	9.55	10

Разбор по задачам

Графики и диаграммы

chart_банки_9a5ccd048e — Курс доллара к рублю: пик и значения

chart · промпт 445 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

На графике показана динамика курса доллара к рублю (по закрытию торгов) с февраля 2022 по апрель 2023 по данным Московской биржи. Ответьте на три вопроса: 1) Какого максимального значения достигал курс и в каком примерно периоде (месяц/год)? 2) Какое значение курса подписано в самой нижней точке графика (минимум) и в каком примерно периоде это произошло? 3) Какое значение подписано в крайней правой части графика (конец периода, апрель 2023)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Числа верны, максимум корректно указан как февраль-март 2022. Хорошее пояснение.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Все факты точны, март 2022, привязка к меткам оси. Аккуратный ответ.
llama-scout	10	9	9	9.8	Все три числа верны: 120 (март 2022), 53,47 (июнь), 81,375. Чёткая структура.
Kimi K2.6	10	9	9	9.8	Все три числа точны, март 2022, с привязкой к меткам оси. Подробно и корректно.
GPT-5.5 (low)	10	8	9	9.7	Все три значения и месяцы точны. Лаконично.
GPT-5.5 (medium)	10	8	9	9.7	Все факты верны, март/июнь/апрель. Кратко и точно.
GPT-5.6 Sol (low)	10	8	9	9.7	Верно названы 120/март, 53,47/июнь, 81,375. Кратко.
GPT-5.6 Sol (med)	10	8	9	9.7	Все значения точны, месяцы корректны. Ясный ответ.
GPT-5.6 Terra (low)	10	8	9	9.7	Все три факта точны, март/июнь/апрель.
GPT-5.6 Terra (high)	10	8	9	9.7	Числа и периоды верны. Лаконично и точно.
GPT-5.6 Luna (low)	10	8	9	9.7	Числа и периоды верны, март/июнь/апрель. Лаконично.
GPT-5.6 Luna (med)	10	8	9	9.7	Все три факта точны. Аккуратный формат.
GPT-5.6 Luna (high)	10	8	9	9.7	Все значения и месяцы верны. Ясно.
MiniMax-M3	9	10	10	9.2	Все три числа названы верно (120, 53,47, 81,375); лишь месяц минимума указан как июль вместо конца мая — июня 2022, что является допустимой мелкой неточностью. Ответ структурирован, дополнен сводной таблицей и корректным выводом о размахе колебаний.
gemma-4-31b	9	9	9	9.0	Числа верны, но минимум отнесён к июлю 2022 — реально ближе к маю-июню (в пределах допуска).
GPT-5.6 Terra (med)	9	8	9	8.9	Числа верны, но максимум отнесён к февралю (реально март 2022).
Nemotron-3-Nano-Omni-30B	9	7	8	8.7	Числа верны, но максимум указан как февраль (реально март). Очень сжато.
diffusion-gemma	8	8	9	8.1	Числа верны, но максимум ошибочно отнесён к февралю 'сразу после начала' — пик в марте.

Почти все модели верно назвали 120/март 2022, 53,47/весна-лето 2022 и 81,375/апрель 2023. Победитель — kimi-k2.6 за точность и привязку к меткам оси.

chart_банки_de9ccf371a — Курс USD/RUB: динамика и ключевые уровни

chart · промпт 478 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На графике показана динамика месячного курса USD/RUB (прогноз Sber CIB). Ответьте на три вопроса строго по изображению: 1) Какие максимальное (High) и минимальное (Low) значения курса указаны в подписи над графиком? 2) На каком уровне проведена горизонтальная пунктирная линия с подписью слева (прогнозный средний курс рубля на 2022 год)? 3) Опишите общий характер динамики курса: в какой период (примерно) он был низким и относительно стабильным, и когда произошёл резкий рост?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все три ответа точны: High/Low, уровень 67.00, стабильность до 2014 и резкий рост 2014-2015. Чётко и структурировано.
GPT-5.5 (low)	10	9	10	9.9	Все ответы точны с корректными диапазонами (25-35, рост 2014-2015). Ясно и аккуратно.
GPT-5.5 (medium)	10	9	10	9.9	Точные значения High/Low, линия 67.00, верное описание перехода около 2014-2015.
Kimi K2.6	10	9	10	9.9	Все факты точны, вертикальный рост около 2014 отмечен верно. Хорошо структурировано.
GPT-5.6 Sol (low)	10	9	10	9.9	Точные числа и линия, детально верное описание стабильности (2004-2009) и роста 2014-2015.
GPT-5.6 Sol (med)	10	9	10	9.9	Все ответы точны, с корректной детализацией периода стабильности 2005-2009 и роста 2014-2015.
GPT-5.6 Terra (low)	10	9	10	9.9	Все факты верны с корректным диапазоном 25-35 и ростом 2014-2015.
GPT-5.6 Terra (med)	10	9	10	9.9	Точные High/Low, линия 67.00, верное описание стабильности и роста с последующей волатильностью.
GPT-5.6 Terra (high)	10	9	10	9.9	Точные значения, линия 67.00 и диапазон 25-35 до 2014, резкий рост 2014-2015 указаны верно.
gemma-4-31b	10	8	10	9.8	Все факты верны и кратко изложены: 85,964/22,994, линия 67.00, стабильность до 2014 и рост 2014-2015.
GPT-5.6 Luna (low)	10	8	10	9.8	Точные значения и уровень линии, верное описание периода стабильности и роста.
GPT-5.6 Luna (med)	10	8	10	9.8	Все факты верны, корректно описан переход около 2014-2015 к более высокому уровню.
GPT-5.6 Luna (high)	10	8	10	9.8	Все три ответа верны и лаконичны: 85,964/22,994, 67.00, рост 2014-2015.
diffusion-gemma	9	8	7	8.7	Числа и линия верны, динамика описана правильно (рост около 2014). Немного портят опечатки (Кур, колебляясь).
MiniMax-M3	8	9	9	8.2	Верно считаны High=85,964, уровень 67.00 и переход от стабильного периода до ~2014 к резкому росту 2014-2015 и высокой волатильности; ошибка в минимуме (22,984 вместо 22,994) и неточная привязка минимума к 2005-2006 гг. Ответ структурный, аналитичный, русский язык хороший.
Nemotron-3-Nano-Omni-30B	7	7	8	7.1	Числа и линия верны, но стабильность ограничена 2000-2008 (следовало до ~2014), формулировка периодов роста нечёткая.
Qwen3.6-35B-A3B-FP8	6	8	9	6.5	Ошибка в High (85,864 вместо 85,964), остальное верно: Low, линия 67.00 и динамика до/после 2014 описаны правильно.
llama-scout	3	7	5	3.6	High/Low и линия 67.00 верны, но резкий рост ошибочно отнесён к 2020-2021 вместо 2014, стабильность к 2008-2015. Есть иероглифы в тексте.

Большинство моделей ответили точно; лучший баланс полноты, структуры и русского у 27b-v2. Ошиблись llama-scout (рост в 2020-2021) и 35b-a3b (85,864).

chart_банки_81fa9626fd — Динамика курса USD/RUB за 18 марта 2020

chart · промпт 399 симв. · Победитель: MiniMax-M3 · 9.2/10

▸Промпт задачи

На графике показана внутридневная рыночная динамика курса USD/RUB за 18 марта 2020 года. Опираясь на подписи в верхней части графика, укажите максимальное (High) и минимальное (Low) значения курса за период 1M. Также опишите общий тренд курса в течение дня (от утренних значений около 05:30 до примерно 11:00) и укажите, на каком уровне находится последнее значение курса (отмечено на правой шкале).

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	10	10	9.2	High=77,931 и Low=75,063 считаны верно, тренд описан точно (боковик 75,2–75,3, провал у 07:30, резкий скачок около 10:00, пик ~77,8–77,9 и откат), последнее значение 77,458 попадает в допустимый диапазон 77,4–77,5. Незначительная неточность в цифре последнего значения и лишний контекстный вывод про нефть/пандемию (домысел, не с картинки), в остальном отличный структурированный ответ.
Qwen3.6-27B-FP8	8	9	9	8.2	Все числа верны, тренд с боковиком и скачком около 10:00 описан хорошо; последнее значение 77,459 приемлемо.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	High/Low верны, тренд описан точно со скачком после 10:00 и коррекцией; последнее значение 77,459 в пределах допуска.
gemma-4-31b	8	9	9	8.2	High/Low верны, тренд подробный (спад в 07:30, гэп в 10:00, пик), последнее значение 77,469 точно.
diffusion-gemma	8	9	9	8.2	Верные числа, восходящий тренд со скачком 10:00–11:00 и пиком выше 77,8; последнее 77,469 корректно.
GPT-5.5 (low)	8	8	9	8.1	High/Low и последнее значение (77,469) верны, тренд с резким скачком после 10:00 описан ясно и кратко.
GPT-5.5 (medium)	8	8	9	8.1	Все факты верны, тренд и скачок после 10:00 описаны точно; последнее значение 77,469 корректно.
Nemotron-3-Nano-Omni-30B	8	9	8	8.1	Числа и тренд верны, скачок в 10:00 отмечен, последнее 77,469 точно; лёгкие огрехи русского ('курсовой', 'колебляясь').
GPT-5.6 Sol (low)	8	8	9	8.1	Все факты верны, восходящий тренд со скачком после 10:00 описан хорошо; последнее значение 77,469 точно.
GPT-5.6 Sol (med)	8	8	9	8.1	High/Low, тренд и последнее значение 77,469 корректны, изложение ясное и точное.
GPT-5.6 Terra (med)	8	8	9	8.1	Все числа верны, тренд с резким подъёмом после 10:00 и пиком 77,9; последнее значение 77,469 точно.
GPT-5.6 Luna (low)	8	8	9	8.1	Числа верны, тренд с резким скачком около 10:00 и коррекцией; последнее значение 77,469 точно.
GPT-5.6 Luna (med)	8	8	9	8.1	High/Low верны, тренд со скачком к 76,8 и пиком 77,8 описан ясно; последнее 77,469 корректно.
GPT-5.6 Luna (high)	8	8	9	8.1	Верные High/Low и последнее значение 77,469, тренд с скачком к 76,8 и пиком 77,9 описан корректно.
GPT-5.6 Terra (low)	8	7	9	8.0	High/Low и последнее 77,469 верны, но тренд описан обобщённо ('около 77,5'), без чёткого пика.
GPT-5.6 Terra (high)	8	7	9	8.0	Числа верны, тренд и скачок около 10:00 отмечены кратко; последнее значение 77,469 точно.
llama-scout	6	8	8	6.4	High/Low верны и последнее значение (77,463) точное, но тренд занижен: рост описан только до 76,6, резкий скачок около 10:00 не отмечен.
Kimi K2.6	5	8	9	5.7	High/Low и тренд описаны отлично, но последнее значение названо ~77,66/77,663 — ошибка чтения, реально ~77,465.

Большинство моделей верно прочитали High/Low и последнее значение ~77,47 и описали восходящий тренд со скачком в 10:00. Лидеры почти равны; kimi ошибся в последнем значении, llama-scout занизил тренд.

chart_банки_8db2769de4 — Максимум курса доллара к рублю (1995–2022)

chart · промпт 291 симв. · Победитель: MiniMax-M3 · 9.1/10

▸Промпт задачи

На графике показан курс доллара к рублю с 1995 по 2022 гг. (в рублях). В каком году кривая достигает своего абсолютного максимума, и какому примерно значению (с точностью до 5 рублей по вертикальной шкале) соответствует этот пик? Также укажите, что произошло с курсом сразу после этого пика.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	9	10	9.1	Верно указан 2022 год и пик ~95 ₽, а также резкое падение после него; минус — дно названо 55–60 ₽ вместо фактических ~50 ₽. Ответ хорошо структурирован, с корректным макроэкономическим контекстом и безупречным русским.
Qwen3.6-27B-FP8	9	9	9	9.0	2022 год, пик ~95 ₽, обвал до ~50 ₽ — точно и структурно, лучший ответ.
GPT-5.5 (low)	9	8	9	8.9	2022, ~95 ₽, обвал до 50–60 ₽ с восстановлением — всё корректно.
GPT-5.5 (medium)	9	8	9	8.9	2022, ~95 ₽, падение до 50–60 ₽ и рост — точный и ясный ответ.
GPT-5.6 Sol (low)	9	8	9	8.9	2022, ~95 ₽, обвал до 50–55 ₽ с ростом — всё точно.
GPT-5.6 Sol (med)	9	8	9	8.9	2022, ~95 ₽, обвал до 50–55 ₽ и восстановление — корректно и с деталями.
GPT-5.6 Terra (low)	9	8	9	8.9	2022, ~95 ₽, падение до 50–55 ₽ — точно.
GPT-5.6 Terra (med)	9	8	9	8.9	2022, ~95 ₽, падение до ~50 ₽ с восстановлением — верно и ясно.
GPT-5.6 Luna (low)	9	8	9	8.9	2022, ~95 ₽, падение до 50–55 ₽ — корректно и ясно.
GPT-5.6 Luna (med)	9	7	9	8.8	2022, ~95 ₽, падение до 50–55 ₽ — верно, лаконично.
GPT-5.6 Luna (high)	9	7	9	8.8	2022, ~95 ₽, обвал до ~50 ₽ — всё верно, но очень кратко без деталей.
gemma-4-31b	8	9	9	8.2	Верно: 2022, пик 95–100 ₽, падение до 50–60 ₽; диапазон пика чуть широк.
Qwen3.6-35B-A3B-FP8	8	8	9	8.1	2022 год, пик 96–98 ₽ (чуть завышен), падение до 50–60 ₽ — всё по сути верно.
GPT-5.6 Terra (high)	8	8	9	8.1	2022, ~95 ₽ верно; падение указано до 55–60 ₽ — чуть выше реального дна ~50 ₽.
diffusion-gemma	8	8	8	8.0	2022, пик ~95 ₽, падение до ~50 ₽ — верно; формулировка «снижение курса рубля» слегка небрежна.
Kimi K2.6	8	8	7	7.9	2022, пик 95–97 ₽, падение до 50–55 ₽ — верно; вкрапление «линияgrapha» портит русский.
Nemotron-3-Nano-Omni-30B	6	8	6	6.2	2022 верно, но пик занижен до 90 ₽ и падение лишь до 60–65 ₽; слово «демонтировал» — ошибка.
llama-scout	4	7	7	4.6	Год 2022 верен, но пик занижен (86 ₽), а главное — после пика указано снижение лишь до 80 ₽ вместо реального обвала до ~50 ₽.

Большинство моделей верно назвали 2022 год, пик ~95 ₽ и обвал до ~50 ₽; 27b-v2 сочетает точность и чёткую структуру. Провал у llama-scout (падение только до 80 ₽) и слабее nemotron-omni.

chart_дата-аналитика_349553cc27 — Анализ линейного графика «Доход и Расход»

chart · промпт 359 симв. · Победитель: MiniMax-M3 · 9.9/10

▸Промпт задачи

На графике «Образец линейного графика» показаны две линии: «Расход» (красная) и «Доход» (зелёная) по годам с 2005 по 2014. Ответьте на три вопроса, используя подписанные значения на графике: 1) В каком году «Доход» достиг максимального значения и чему он равен? 2) Чему был равен «Расход» в 2009 году? 3) Насколько единиц «Доход» больше «Расхода» в 2011 году?

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	9	10	9.9	Все три ответа верны по подписанным значениям: максимум Дохода 29 в 2009, Расход 2009 = 11, разница в 2011 = 9. Ответ компактный, с корректным пояснением и верным замечанием, что 11 — минимум периода.
Qwen3.6-27B-FP8	10	9	9	9.8	Все три ответа верны, аккуратная структура и разбор.
llama-scout	10	9	9	9.8	Все три ответа верны: 2009/29, 11, 9. Чёткая структура и корректные вычисления.
Qwen3.6-35B-A3B-FP8	10	8	9	9.7	Все ответы верны с пояснениями по каждой точке. Хорошая аргументация.
GPT-5.6 Luna (med)	10	8	9	9.7	Все три ответа верны: 2009/29, 11, 9. Кратко и корректно.
Nemotron-3-Nano-Omni-30B	10	5	5	9.0	Все три числа верны (2009/29, 11, 9), но ответ голый, без анализа и прозы.
diffusion-gemma	5	8	9	5.7	Пункты 2 и 3 верны (11 и 9), но максимум Дохода указан ошибочно (2013/28 вместо 2009/29).
Kimi K2.6	2	7	9	3.2	Выдумал максимум 47 в 2011 и разницу 29; верен только Расход 11.
gemma-4-31b	2	7	8	3.1	Выдумал максимум Дохода 47 в 2011 и разницу 29; верен только Расход 2009=11.
GPT-5.5 (low)	2	6	8	3.0	Выдумал Доход 37 в 2011 и разницу 19; верен только Расход 2009=11.
GPT-5.5 (medium)	2	6	8	3.0	Ошибочно 37 и разница 19; верен лишь Расход 11.
GPT-5.6 Sol (low)	2	6	8	3.0	Ошибочный Доход 37 и разница 19; верен только Расход 11.
GPT-5.6 Sol (med)	2	6	8	3.0	Тот же промах: 37 и 19; верен лишь Расход 11.
GPT-5.6 Terra (low)	2	6	8	3.0	Ошибочный 45 и разница 27; верен лишь Расход 11.
GPT-5.6 Terra (high)	2	6	8	3.0	Выдумал 47/2011 и разницу 29; верен только Расход 11.
GPT-5.6 Luna (low)	2	6	8	3.0	Выдумал 42 в 2011 и разницу 24; верен лишь Расход 11.
GPT-5.6 Luna (high)	2	6	8	3.0	Ошибочный максимум 47/2011 и разница 29; верен только Расход 11.
GPT-5.6 Terra (med)	2	5	7	2.8	Выдумал 47 и разницу 29; верен только Расход 11.

Полностью верны llama-scout, 35b-a3b, 27b-v2, nemotron-omni и gpt-5.6-luna-medium. Большинство GPT-5.6 и Gemma/Kimi галлюцинировали максимум Дохода (37-47) и разницу; побеждает llama-scout за точность плюс лучшую структуру.

chart_дата-аналитика_37894b856a — Расстояния планет на столбчатой диаграмме

chart · промпт 239 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На столбчатой диаграмме «Расстояние (млн км)» показаны четыре планеты. Назовите планету с наибольшим значением и её число, а также вычислите, во сколько раз (округлите до десятых) её расстояние больше, чем у планеты с наименьшим значением.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Точный ответ и расчёт, аккуратная нумерованная структура.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Всё верно, показано деление 227,9/57,9≈3,936→3,9, чёткий вывод.
llama-scout	10	9	10	9.9	Верно: Марс 227,9, Меркурий 57,9, отношение 3,9. Полный расчёт, ясная структура.
gemma-4-31b	10	9	10	9.9	Верно названы обе планеты и отношение 3,9, полный расчёт.
GPT-5.5 (low)	10	9	10	9.9	Верно и лаконично, расчёт показан, чистый русский.
GPT-5.5 (medium)	10	9	10	9.9	Корректный краткий ответ с расчётом 227,9/57,9≈3,9.
Kimi K2.6	10	9	10	9.9	Всё верно, подробное объяснение с указанием столбцов и деления.
GPT-5.6 Sol (low)	10	9	10	9.9	Верно: Марс 227,9, Меркурий 57,9, отношение 3,9.
GPT-5.6 Sol (med)	10	9	10	9.9	Точный лаконичный ответ с расчётом.
GPT-5.6 Luna (low)	10	9	10	9.9	Обе планеты и отношение 3,9 указаны верно, лаконично.
MiniMax-M3	10	9	9	9.8	Все значения считаны верно: максимум Марс 227,9, минимум Меркурий 57,9, отношение 3,9 раза. Ответ компактный и структурный; лёгкая небрежность формулировки «расстояние от Марса» вместо «до Марса», расчёт показан без промежуточного точного значения.
GPT-5.6 Luna (med)	10	8	10	9.8	Корректный краткий ответ с делением, чистый русский.
GPT-5.6 Luna (high)	10	8	10	9.8	Верно, но не назван явно минимум-Меркурий в первой строке; расчёт и итог корректны.
diffusion-gemma	10	9	8	9.7	Данные и расчёт верны, но странная фраза «бюджетной диаграммы» — лёгкий языковой сбой.
GPT-5.6 Terra (med)	10	7	10	9.7	Верно и кратко: Марс 227,9, в 3,9 раза больше Меркурия.
GPT-5.6 Terra (high)	10	7	10	9.7	Верно и очень кратко, но без явного показа деления.
GPT-5.6 Terra (low)	10	6	10	9.6	Ответ верный, но предельно сжатый, без расчёта.
Nemotron-3-Nano-Omni-30B	10	3	5	8.8	Ответ верный по сути (Марс, 227.9, 3.9), но без пояснений, форматирования и с точкой вместо запятой.

Все модели дали верный ответ (Марс 227,9; в 3,9 раза). Лучшие — полные и структурированные ответы (35b-a3b, kimi, gemma, llama, 27b); слабейший nemotron-omni из-за отсутствия пояснений и запятой.

chart_банки_2165e202ff — Курс USD/RUB за 5 лет: динамика и минимум

chart · промпт 566 симв. · Победитель: GPT-5.5 (medium) · 9.9/10

▸Промпт задачи

На графике показан курс доллара США к российскому рублю (USD/RUB) за 5 лет (по данным Investing.com). Ответь на три вопроса, опираясь ТОЛЬКО на изображение: 1) Какое текущее значение курса указано вверху графика (с учётом знака и процента изменения)? 2) В каком приблизительно периоде (год и месяц) курс достиг своего МИНИМУМА за весь показанный диапазон и какому уровню по шкале он примерно соответствовал? 3) Опиши общую динамику курса от точки минимума до конца графика (июль 2023): он рос, падал или оставался неизменным, и до какого приблизительно уровня дошёл?

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (medium)	10	9	10	9.9	Идеально точный и лаконичный ответ по всем пунктам: минимум июнь-июль 2022 на 52-53, рост до 101,4.
GPT-5.6 Terra (low)	10	9	10	9.9	Все пункты точны: минимум июнь-июль 2022 на 52-53, рост до 101,4.
GPT-5.6 Luna (high)	10	9	10	9.9	Точно по всем пунктам: минимум июнь 2022 ~52, рост с колебаниями до 101,4.
GPT-5.5 (low)	10	8	9	9.7	Все три пункта точны: значение, минимум ~июль 2022 на 52-53, устойчивый рост до ~101.
GPT-5.6 Sol (low)	9	9	10	9.1	Точно: минимум июнь 2022 ~51-52, рост до 101,4; всё корректно.
GPT-5.6 Sol (med)	9	9	10	9.1	Верно по всем пунктам: минимум май-июнь 2022 ~52, рост до 101,4.
GPT-5.6 Terra (med)	9	9	10	9.1	Верно и лаконично: минимум июнь 2022 ~52, рост до 101,4.
GPT-5.6 Terra (high)	9	9	10	9.1	Точно: минимум май-июнь 2022 ~52, рост с колебаниями до 101,4.
MiniMax-M3	8	9	9	8.2	Верно считаны текущее значение (101,4171, +1,9871/+2,00%), период минимума (лето 2022) и рост до ~101 к июлю 2023. Мелкие неточности: уровень минимума описан как "чуть выше 55,00" (визуально ниже 55, ~52-53) и указан старт диапазона с 2018 г., хотя ось начинается с 2019.
llama-scout	8	8	9	8.1	Текущее значение верно, минимум ~июнь 2022 правильно, но уровень занижен до ~50 (реально 52-53); рост угадан.
gemma-4-31b	8	8	9	8.1	Период (июль 2022) верен, рост верен, но уровень минимума завышен до ~55 (реально 52-53).
Nemotron-3-Nano-Omni-30B	9	7	2	8.1	Факты верны (июль 2022, 53-54, рост до 101), но ответ дан на английском вместо русского.
Kimi K2.6	8	8	8	8.0	Факты верны (июль 2022, 53-54, рост), но минимум ошибочно назван 'пиком' и есть английская вставка.
GPT-5.6 Luna (low)	7	9	10	7.5	Значение и рост верны, но минимум смещён на октябрь 2022 вместо лета; уровень 52 верен.
GPT-5.6 Luna (med)	7	9	10	7.5	Значение и рост верны, но минимум отнесён к осени (октябрь) 2022, а не к лету; уровень 52-53 верен.
Qwen3.6-27B-FP8	5	8	9	5.7	Значение верно, но минимум ошибочно отнесён к началу 2022; уровень ~53-55 приемлем, период неверен.
Qwen3.6-35B-A3B-FP8	5	8	9	5.7	Значение и рост верны, но период минимума ошибочно указан как начало 2022 (февраль-март) вместо лета 2022.
diffusion-gemma	4	8	9	4.9	Значение и рост верны, но минимум ошибочно отнесён к началу 2023; уровень 52 близок, но период грубо неверен.

Большинство моделей верно прочитали 101,4171; ключевым различием стал период минимума — сильнейшие (gpt-5.5-medium, terra-low, luna-high) точно назвали лето 2022 и уровень 52-53, тогда как gemma-27b/35b/diffusion промахнулись с датой.

chart_дата-аналитика_51495a7812 — Чтение столбчатой диаграммы осадков

chart · промпт 491 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На изображении показана столбчатая диаграмма «Диаграмма годового количества осадков», где по горизонтали отложены месяцы, а по вертикали — количество осадков (шкала от 0 до 70). Ответьте на вопросы: 1) В каком месяце количество осадков максимально и чему примерно равно это значение по шкале? 2) В каком месяце осадков меньше всего и чему примерно равно это значение? 3) Опишите общую динамику: как меняется количество осадков от начала к концу показанного периода (растёт, падает, где пик)?

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Максимум (октябрь ≈65) и минимум (март ≈5) названы верно, все промежуточные значения по месяцам совпадают с эталоном, тренд с осенним пиком и спадом описан точно. Формат и русский язык безупречны; лишь climate-вывод слегка выходит за пределы данных.
Kimi K2.6	10	9	9	9.8	Все факты верны, значения столбцов по месяцам совпадают с эталоном, форма дуги описана детально и точно.
Qwen3.6-27B-FP8	9	8	9	8.9	Октябрь ~65 и март ~5 верны, точно отмечено отсутствие января. Динамика корректна.
Qwen3.6-35B-A3B-FP8	9	8	9	8.9	Октябрь ~65 и март ~5 верны, динамика описана корректно (спад-рост-спад, пик осенью).
gemma-4-31b	9	8	9	8.9	Октябрь ~66-67 и март ~6 в пределах допуска, динамика описана верно.
diffusion-gemma	9	8	9	8.9	Октябрь ~65 и март ~5 верны, динамика корректна, но описание чуть короче.
GPT-5.5 (low)	9	7	9	8.8	Октябрь ~65, март ~5 верны, динамика с падением в марте и осенним пиком описана точно.
GPT-5.5 (medium)	9	7	9	8.8	Октябрь ~65 и март ~5 верны, динамика корректна и лаконична.
GPT-5.6 Sol (low)	9	7	9	8.8	Октябрь ~65 и март ~5 верны, приведены разумные значения для тренда.
GPT-5.6 Sol (med)	9	7	9	8.8	Октябрь ~65 и март ~5 верны, динамика с осенним пиком и спадом описана точно.
GPT-5.6 Terra (low)	9	7	9	8.8	Октябрь ~65 и март ~5 верны, динамика с пиком и спадом до 30 в декабре корректна.
GPT-5.6 Terra (med)	9	7	9	8.8	Октябрь ~65 и март ~5 верны, динамика описана точно.
Nemotron-3-Nano-Omni-30B	9	7	8	8.7	Октябрь ~65 и март ~5 верны, динамика верна, но ответ очень сжатый.
GPT-5.6 Luna (low)	5	7	9	5.6	Максимум октябрь ~65 верно, но минимум ошибочно назван февралём вместо марта.
llama-scout	4	8	8	4.8	Максимум ошибочно назван сентябрём (должен быть октябрь), минимум март верно. Динамика в целом правдоподобна, но пик указан неверно.
GPT-5.6 Terra (high)	4	7	9	4.8	Максимум ошибочно назван сентябрём, минимум март верно; значения ноября/октября в динамике перепутаны.
GPT-5.6 Luna (med)	2	7	9	3.2	Оба ключевых факта неверны: максимум сентябрь, минимум февраль. Пик указан ошибочно.
GPT-5.6 Luna (high)	1	6	8	2.2	Оба ключевых факта неверны: максимум назван сентябрём, минимум февралём. Упомянут несуществующий январь.

Kimi-k2.6 дал наиболее полный и точный ответ с корректными значениями по всем месяцам. Модели luna и terra-high/luna-medium провалились на ключевых фактах (сентябрь/февраль вместо октябрь/март).

chart_дата-аналитика_554cad7101 — Максимум в столбце «Продано»

chart · промпт 367 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

На изображении показана таблица в Microsoft Excel с колонками «Месяц», «Продано» и «Прибыль», а также диаграмма. Глядя на колонку «Продано» (столбец B), определите: 1) какое максимальное значение в этой колонке и в строке какого месяца оно находится; 2) какое значение «Продано» стоит напротив месяца «Май» в самой верхней (первой) группе месяцев. Назовите оба числа.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Верно назвал 5363 (Август, строка 21) и 3 для первого Мая.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Оба факта верны: 5363 в строке 21 (Август) и 3 для первого Мая.
llama-scout	10	9	9	9.8	Верно: максимум 5363 (Август, B21) и первый Май = 3. Чёткая структура.
gemma-4-31b	10	9	9	9.8	Точно: максимум 5363 (Август, строка 21) и Май = 3.
diffusion-gemma	10	9	9	9.8	Оба значения верны: 5363 (Август) и 3 (первый Май, строка 6).
GPT-5.5 (medium)	10	9	9	9.8	Точно и ясно: 5363 (Август) и 3 для первого Мая.
GPT-5.5 (low)	10	8	9	9.7	Верно: 5363 (Август) и 3. Кратко, без указания строк.
GPT-5.6 Sol (low)	10	8	9	9.7	Верно: 5363 (Август) и 3 для первого Мая.
GPT-5.6 Sol (med)	10	8	9	9.7	Верно: 5363 (Август) и Май = 3.
GPT-5.6 Luna (low)	10	8	9	9.7	Верно: 5363 (Август) и первый Май = 3.
GPT-5.6 Luna (med)	10	8	9	9.7	Верно: максимум 5363 (Август) и Май = 3.
GPT-5.6 Luna (high)	10	8	9	9.7	Верно: 5363 (Август) и 3. Кратко и точно.
Kimi K2.6	8	9	9	8.2	Числа и месяц верны, но номера строк ошибочны (22 и 7 вместо 21 и 6).
Nemotron-3-Nano-Omni-30B	8	3	5	7.2	Числа верны (5363 и 3), но не назван месяц и нет пояснений.
MiniMax-M3	2	8	9	3.3	Ключевая часть провалена: максимум назван 134 (Декабрь) вместо явно выделяющегося 5363 (Август, строка 21) — модель не заметила выброс. Верно только второе значение (Май = 3); оформление и русский язык при этом хорошие.
GPT-5.6 Terra (low)	2	8	9	3.3	Ошибка: максимум указан как 345 (Март) вместо 5363; лишь Май = 3 верно.
GPT-5.6 Terra (high)	2	8	9	3.3	Ошибка: назвал максимумом 345 (Март) вместо 5363 (Август); Май = 3 верно.
GPT-5.6 Terra (med)	2	7	9	3.2	Ошибка: 345 (Март) вместо 5363 (Август); Май = 3 верно.

Большинство моделей верно назвали 5363 (Август) и 3; выделяется полнотой и ясностью gpt-5.5-medium. Все terra-варианты провалили максимум (345 вместо 5363).

chart_дата-аналитика_d218c84072 — Прибыль и сотрудники по годам

chart · промпт 348 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На графике показаны две линии: «Прибыль» (синяя, в рублях) и «Количество сотрудников» (оранжевая) по годам с 2020 по 2023. Ответь на три вопроса: 1) В каком году прибыль была максимальной и чему она равна? 2) Чему было равно количество сотрудников в 2021 году? 3) Как изменилась прибыль с 2022 по 2023 год — выросла или снизилась, и на какую сумму?

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все три ответа полностью совпадают с эталоном: максимум прибыли 2022 (31 391 000 ₽), 398 сотрудников в 2021, снижение на 2 134 000 ₽. Чёткая структура с явным показом вычисления разницы, безупречный русский.
Qwen3.6-27B-FP8	10	9	10	9.9	Верно всё; упоминание таблицы слева уместно, расчёт корректен.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все ответы точны, приведён расчёт снижения прибыли и пояснение источника данных.
llama-scout	10	9	10	9.9	Все три ответа верны, показан расчёт разницы. Чёткая структура.
diffusion-gemma	10	9	10	9.9	Все три ответа корректны с расчётом разницы; кратко и по делу.
GPT-5.5 (low)	10	9	10	9.9	Точные и лаконичные ответы со всеми числами и расчётом.
GPT-5.5 (medium)	10	9	10	9.9	Точно, кратко, все значения и разница указаны верно.
GPT-5.6 Sol (low)	10	9	10	9.9	Точно, с указанием диапазона прибыли и разницы; ясная структура.
GPT-5.6 Sol (med)	10	9	10	9.9	Все ответы верны, показан переход 31.4→29.3 млн и разница.
GPT-5.6 Terra (low)	10	9	10	9.9	Точно и лаконично, с указанием диапазона прибыли и разницы.
GPT-5.6 Luna (low)	10	9	10	9.9	Верно и лаконично, указано конечное значение прибыли за 2023.
gemma-4-31b	10	8	10	9.8	Все ответы верны, но LaTeX-разметка в тексте слегка мешает читаемости.
GPT-5.6 Terra (med)	10	8	10	9.8	Все ответы верны, но кратко, без промежуточных значений.
GPT-5.6 Terra (high)	10	8	10	9.8	Верно, но очень сжато, без промежуточных значений прибыли.
GPT-5.6 Luna (med)	10	8	10	9.8	Все ответы верны, но кратко, без диапазона значений прибыли.
GPT-5.6 Luna (high)	10	8	10	9.8	Все ответы верны, но очень кратко, без промежуточных значений прибыли.
Nemotron-3-Nano-Omni-30B	10	7	10	9.7	Ответы верны, но очень сжато: не показан диапазон 31.4→29.3 млн, только итоговая разница.
Kimi K2.6	10	8	8	9.6	Ответы верны, но вставлена английская фраза 'based on the provided chart', что портит русский.

Почти все модели дали полностью верные ответы; победитель выбран по наиболее полному и чистому изложению с расчётом. Разница между лидерами минимальна.

chart_маркетинг_528aef059e — Этапы воронки продаж на инфографике

chart · промпт 316 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении показана воронка продаж (Sales Funnel) с пятью этапами, подписанными справа сверху вниз. Перечислите все названия этапов строго в том порядке, в котором они идут от широкой верхней части воронки к узкой нижней. Какой этап находится на самом верху (самый широкий), а какой — в самом низу (самый узкий)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Верный порядок и верхний/нижний этап, чистая структура, хороший русский.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Точный порядок этапов, переводы, отдельно даны ответы на подвопросы. Ясно и грамотно.
gemma-4-31b	10	9	10	9.9	Все этапы верны, верхний/нижний указаны, аккуратный формат.
GPT-5.5 (low)	10	9	10	9.9	Кратко и точно: верный порядок, верхний/нижний этап выделены.
GPT-5.5 (medium)	10	9	10	9.9	Точный ответ, ясная структура, верхний/нижний этап указаны.
Nemotron-3-Nano-Omni-30B	10	9	10	9.9	Верный порядок с переводами, ширину/узость отмечает прямо в списке.
MiniMax-M3	10	9	10	9.9	Все пять этапов перечислены в правильном порядке, верхний (Awareness) и нижний (Purchase) указаны верно, добавлены корректные пояснения без выдуманных чисел. Формат ясный, русский безупречный; лёгкая избыточность и эмодзи — единственная мелкая придирка.
Kimi K2.6	10	9	10	9.9	Все этапы с переводами, верхний/нижний выделены отдельно. Точно и понятно.
GPT-5.6 Sol (low)	10	9	10	9.9	Все этапы верны, верхний/нижний выделены. Чисто.
GPT-5.6 Luna (low)	10	9	10	9.9	Точный порядок с переводами и указанием верхнего/нижнего этапа.
GPT-5.6 Luna (med)	10	9	10	9.9	Верный порядок и границы воронки, кратко и ясно.
GPT-5.6 Luna (high)	10	9	10	9.9	Верный порядок, верхний/нижний этап указаны, компактно.
llama-scout	10	9	9	9.8	Все пять этапов в верном порядке, верхний/нижний определены правильно, с переводами и чёткой структурой.
GPT-5.6 Sol (med)	10	8	10	9.8	Верный порядок; верхний/нижний отмечены прямо в списке, без отдельного вывода.
GPT-5.6 Terra (low)	10	8	10	9.8	Правильная последовательность и границы воронки, лаконичный формат.
GPT-5.6 Terra (med)	10	8	10	9.8	Верный порядок и верхний/нижний этап, минималистично.
GPT-5.6 Terra (high)	10	8	10	9.8	Верный порядок через стрелки, верхний/нижний этап указаны, очень компактно.
diffusion-gemma	10	9	8	9.7	Правильный порядок и границы воронки, но опечатка «в в порядке» снижает качество русского.

Все модели дали верный ответ. Победитель выбран за максимально полное и структурированное изложение с переводами и явными ответами на подвопросы.

chart_дата-аналитика_eb9a9a041e — Чтение значений столбчатой диаграммы виджета

chart · промпт 379 симв. · Победитель: MiniMax-M3 · 8.2/10

▸Промпт задачи

На изображении в панели «Новый виджет» (справа) показана столбчатая диаграмма с четырьмя столбцами, подписанными label_1, label_2, label_3 и label_4. Опираясь на шкалу по оси Y (деления 0, 4, 8, 12, 16), ответьте на вопросы: 1) Какой столбец самый высокий и каково его приблизительное значение? 2) Какой столбец самый низкий? 3) Расположите все четыре столбца по убыванию высоты.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	8	9	9	8.2	Верно определены самый высокий (label_1) и самый низкий (label_4) столбцы и корректный убывающий порядок; значение label_1 указано как ~14, что чуть выше эталонного диапазона 12-13, а label_3 слегка завышен (~5-6 вместо ~4). Ответ чётко структурирован, с таблицей и цветами, русский язык безупречен.
Kimi K2.6	8	9	9	8.2	Всё верно с оценками по каждому столбцу (label_1~14, label_2~7, label_3~5, label_4~4), низший label_4, порядок правильный. Значение label_1 чуть завышено.
Qwen3.6-27B-FP8	8	8	9	8.1	Правильно: label_1 самый высокий (~14), label_4 самый низкий (~3.5-4), порядок верный. Значение чуть завышено, но приемлемо.
Qwen3.6-35B-A3B-FP8	8	8	9	8.1	Всё верно: label_1 самый высокий (~14, чуть завышено), label_4 самый низкий (~3), порядок правильный. Аккуратный анализ с цветами.
GPT-5.5 (low)	8	8	9	8.1	Правильно определены высший (label_1, ~14) и низший (label_4, ~4), порядок верный. Кратко, без разбора значений.
GPT-5.5 (medium)	8	8	9	8.1	Верно: label_1 (~14) высший, label_4 (~4) низший, порядок правильный. Кратко и точно.
Nemotron-3-Nano-Omni-30B	8	8	9	8.1	Верно определены высший (label_1, ~14) и низший (label_4), порядок правильный. Лаконично.
GPT-5.6 Sol (low)	8	8	9	8.1	Верно: label_1 (~14) высший, label_4 (~4) низший, порядок правильный.
GPT-5.6 Sol (med)	8	8	9	8.1	Верно: label_1 (~14) высший, label_4 (~4) низший, порядок правильный.
GPT-5.6 Terra (low)	8	8	9	8.1	Верно: label_1 (~14) высший, label_4 (~4) низший, порядок правильный.
GPT-5.6 Terra (med)	8	8	9	8.1	Верно: label_1 (~14) высший, label_4 (~4) низший, порядок правильный.
GPT-5.6 Terra (high)	8	8	9	8.1	Верно: label_1 (~14) высший, label_4 (~4) низший, порядок правильный.
GPT-5.6 Luna (low)	8	8	9	8.1	Верно: label_1 (~14) высший, label_4 (~4) низший, порядок правильный.
GPT-5.6 Luna (med)	8	8	9	8.1	Верно: label_1 (~14) высший, label_4 (~4) низший, порядок правильный.
GPT-5.6 Luna (high)	8	8	9	8.1	Верно: высший label_1 (~14), низший label_4, порядок правильный. Кратко.
diffusion-gemma	8	8	8	8.0	Верно: label_1 самый высокий (~14), label_4 самый низкий, порядок правильный. Есть опечатка «отления».
gemma-4-31b	5	7	9	5.6	Самый высокий верно (label_1, ~13-14), но самым низким ошибочно назвал label_3 и перепутал порядок label_3/label_4 (низший — label_4).
llama-scout	2	7	8	3.1	Верно определил самый высокий (label_1, ~12), но грубо ошибся: самым низким назвал label_2, порядок по убыванию перепутан (label_1, label_4, label_3, label_2).

Большинство моделей верно определили label_1 (высший, ~14) и label_4 (низший) с правильным порядком; kimi-k2.6 дал наиболее полный разбор с оценками по каждому столбцу. Провалы: llama-scout (перепутал низший и порядок) и gemma-4-31b (низшим назвал label_3).

chart_маркетинг_93860b2048 — Воронка продаж: порядок и подписи этапов

chart · промпт 307 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

На изображении показана «Воронка продаж». Перечислите по порядку сверху вниз названия всех пяти этапов воронки (подписи внутри/слева от каждого цветного уровня) и укажите, какой этап находится в самом узком, нижнем сегменте воронки. Также назовите, что изображено под воронкой в самой нижней части картинки.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Полный верный ответ: этапы, узкий сегмент, мишень и мешок с деньгами; отмечены и правые пояснения.
gemma-4-31b	10	9	10	9.9	Верные этапы и сегмент, деньги под мишенью упомянуты корректно.
MiniMax-M3	10	10	9	9.9	Все пять этапов перечислены верно и в правильном порядке, корректно указана «покупка» как нижний узкий сегмент, названы и мишень, и мешок денег с $; дополнительно верно сопоставлены правые пояснения и цвета. Мелочь: «формирование потребности» вместо «формируем потребность» и «Осведомленность» без ё.
Kimi K2.6	10	9	10	9.9	Полный точный ответ с мишенью, мешком доллара и купюрами.
Qwen3.6-27B-FP8	9	9	10	9.1	Этапы и узкий сегмент верны, деньги названы, но мишень не упомянута.
GPT-5.5 (low)	9	9	10	9.1	Этапы и сегмент верны, деньги названы; кратко, мишень опущена.
GPT-5.5 (medium)	9	9	10	9.1	Верно и кратко, мешок с деньгами назван, мишень не упомянута.
GPT-5.6 Sol (low)	9	9	10	9.1	Верно, мешок с символом доллара и купюры названы; мишень опущена.
GPT-5.6 Sol (med)	9	9	10	9.1	Точные этапы и узкий сегмент, деньги названы.
GPT-5.6 Terra (low)	9	9	10	9.1	Этапы и сегмент верны, деньги упомянуты.
GPT-5.6 Terra (med)	9	9	10	9.1	Верно и кратко, мешок с деньгами и купюры названы.
GPT-5.6 Terra (high)	9	9	10	9.1	Верно и кратко, мешок с долларом назван; мишень опущена.
GPT-5.6 Luna (low)	9	9	10	9.1	Верно и кратко, мешок с долларом и банкноты названы.
GPT-5.6 Luna (med)	9	9	10	9.1	Этапы и сегмент верны, деньги упомянуты; без мишени.
GPT-5.6 Luna (high)	9	9	10	9.1	Все этапы и узкий сегмент верны, деньги названы; мишень опущена.
llama-scout	9	9	9	9.0	Все 5 этапов и «покупка» как узкий сегмент верны, деньги упомянуты, но мишень не названа.
diffusion-gemma	9	9	8	8.9	Полный ответ с правыми подписями, но мишень не названа и есть опечатки («долларами», «заинтереванные»).
Nemotron-3-Nano-Omni-30B	9	9	6	8.7	Факты верны и подробны, но русский искажён («пенни», «манилка»).

Почти все модели верно распознали все 5 этапов и «покупку» как узкий сегмент; kimi-k2.6, 35b-a3b и gemma-4-31b дали наиболее полный ответ, упомянув и мишень.

chart_дата-аналитика_6b1311bd6c — Минимум автомобильного трафика по часам

chart · промпт 246 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На графике «Автомобильный трафик» показано среднее значение трафика по часам суток (ось X — час, ось Y — трафик). В какое время суток трафик минимален и какому примерно значению он соответствует? Также кратко опишите общую динамику в течение дня.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Идеально: 04:00, ~5k, пик 14-16, вечернее снижение. Самый детальный и точный разбор.
MiniMax-M3	10	9	9	9.8	Минимум точно определён (04:00, ~5k), таблица значений и описание динамики (падение к 4 утра, резкий рост до 06:00, плато 12–12,5k днём, слабое снижение к 22:00) полностью соответствуют графику. Разбор глубокий и структурный, русский корректный; лёгкий минус за избыточные эмодзи и слегка формальную интерпретацию 'вечерний пик' для плато.
llama-scout	9	9	9	9.0	Минимум 04:00 ~5,5k и общая динамика верны; максимум чуть занижен (11,5-12k). Очень структурно.
diffusion-gemma	9	9	9	9.0	04:00 ~5k, пик свыше 12k в 14-18 — верно. Хорошая структура.
Kimi K2.6	9	9	9	9.0	Минимум 04:00-05:00 ~5k и плато ~12k верны. Хорошо структурировано.
Qwen3.6-35B-A3B-FP8	9	8	9	8.9	Точно: 04:00, ~5k, корректный рост и плато. Кратко и ясно.
GPT-5.5 (low)	9	7	9	8.8	Минимум, значение и динамика верны. Кратко, без выраженной структуры.
GPT-5.5 (medium)	9	7	9	8.8	Точное описание минимума ~5k и плато 12-12,5k. Компактно.
GPT-5.6 Sol (low)	9	7	9	8.8	Минимум 04:00 ~5k, день 12-12,5k, вечернее снижение — всё верно.
GPT-5.6 Sol (med)	9	7	9	8.8	Точное описание минимума и плато 11-12,5k со стабилизацией после 14:00.
GPT-5.6 Terra (low)	9	7	9	8.8	Минимум и пик 14-18 ~12,3k указаны точно. Компактно.
GPT-5.6 Terra (med)	9	7	9	8.8	Верно: минимум 04:00 ~5k, пик 14-18 ~12,3-12,4k, вечернее снижение.
GPT-5.6 Terra (high)	9	7	9	8.8	04:00 ~5k, рост к ~11k к 08:00, пик 12-12,5k — корректно.
GPT-5.6 Luna (low)	9	7	9	8.8	04:00 ~5k, пик ~12,5k, спад к ~11,5k — корректно и точно.
GPT-5.6 Luna (med)	9	7	9	8.8	Верный минимум и плато 12-12,5k. Ясно и компактно.
Nemotron-3-Nano-Omni-30B	9	7	5	8.4	Данные верны (04:00, ~5k, пик 12k), но вставки на английском ('from 8k') портят русский.
gemma-4-31b	8	8	9	8.1	Минимум и рост верны, но пик завышен (12k-13k) и указан до 18:00. В целоно корректно.
GPT-5.6 Luna (high)	8	7	9	8.0	Минимум и динамика верны, но максимум завышен (12,5-13k). Кратко.

Почти все модели верно определили минимум 04:00 ~5k и динамику. 27b-v2 дал самый точный и детальный разбор; nemotron-omni подпортил русский английскими вставками.

chart_маркетинг_a9dac04a7d — Чтение этапов воронки продаж

chart · промпт 477 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 10.0/10

▸Промпт задачи

На изображении показана инфографика «Sales Funnel» (воронка продаж), состоящая из нескольких цветных горизонтальных уровней, сужающихся сверху вниз. Внимательно рассмотрите воронку и ответьте на вопросы: 1) Сколько всего этапов (уровней) в воронке? 2) Перечислите названия всех этапов строго сверху вниз. 3) Каким цветом окрашен самый верхний (самый широкий) уровень и каким — самый нижний (самый узкий)? 4) Какой значок (иконка) изображён на верхнем этапе и какой — на нижнем?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Полностью верно: 6 этапов, порядок, тёмно-синий/красно-розовый, лампочка и доллар; есть пояснения к иконкам.
llama-scout	10	10	10	10.0	Все 6 этапов, порядок, цвета и иконки названы верно; аккуратный перевод названий и чёткая структура с заголовками.
Kimi K2.6	10	10	10	10.0	Верно всё: 6 этапов, порядок, цвета, иконки; хороший перевод и структура.
Qwen3.6-27B-FP8	10	9	10	9.9	Все факты верны, цвета и иконки правильные; анализ минимальный, но чистый ответ по пунктам.
gemma-4-31b	10	9	10	9.9	Всё верно; верхний назван просто «синий» (эталон тёмно-синий) — допустимо, иконки и порядок точные.
diffusion-gemma	10	9	10	9.9	6 этапов, порядок, цвета и иконки верны; ответ аккуратный и корректный.
GPT-5.5 (low)	10	9	10	9.9	Все ответы точны, цвета и иконки верны; лаконично и без ошибок.
GPT-5.5 (medium)	10	9	10	9.9	Полностью верно: этапы, порядок, тёмно-синий/красно-розовый, лампочка и доллар.
GPT-5.6 Sol (low)	10	9	10	9.9	Все факты точны: этапы, порядок, цвета, иконки в круге; лаконично.
GPT-5.6 Sol (med)	10	9	10	9.9	Полностью верно, цвета и иконки правильные; чистый ответ по пунктам.
GPT-5.6 Terra (low)	10	9	10	9.9	6 этапов, порядок, цвета и иконки верны; аккуратный лаконичный ответ.
GPT-5.6 Terra (med)	10	9	10	9.9	Все факты точны, доллар в круге и лампочка названы верно; чёткая структура.
GPT-5.6 Terra (high)	10	9	10	9.9	Все ответы верны, иконка доллара в круге указана точно; кратко и по делу.
GPT-5.6 Luna (low)	10	9	10	9.9	Все этапы, цвета и иконки верны; «в монете» вместо «в круге» — незначительно.
GPT-5.6 Luna (med)	10	9	10	9.9	Верно всё с переводом названий; «в монете» вместо «в круге» — мелкая неточность.
MiniMax-M3	10	9	9	9.8	Все четыре пункта верны: 6 этапов, точный порядок названий, тёмно-синий верх и красный низ, лампочка и доллар; выдумок и лишних цифр нет. Небольшая шероховатость формулировки («светящийся электрический светодиод / лампочка») и лёгкая избыточность оформления.
GPT-5.6 Luna (high)	10	8	10	9.8	Факты верны; «доллар в монете» вместо «в круге» — мелкая неточность формулировки, суть верна.
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Все факты верны с переводом названий; «бордово-красный» приемлемо, структура чуть проще.

Задача простая, почти все модели ответили безошибочно (6 этапов, верный порядок, тёмно-синий/красный, лампочка и доллар). Победитель выбран по полноте перевода и качеству структуры; luna-варианты чуть слабее из-за формулировки «доллар в монете».

chart_нефтегаз_710d34a27a — Добыча нефти ОПЕК и не-ОПЕК в 2016 году

chart · промпт 415 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.8/10

▸Промпт задачи

На графике показана мировая добыча нефти с разбивкой на «Добыча ОПЕК» (жёлтый) и «Добыча не-ОПЕК» (зелёный) по годам с 1900 по 2016, с подписями значений внутри столбцов и итоговой суммой сверху. Глядя на данные за 2016 год (самый правый столбец): 1) Назовите итоговое суммарное значение за 2016 год. 2) Назовите отдельно значения добычи ОПЕК и не-ОПЕК за этот год. 3) Какая из двух групп добыла больше в 2016 году?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Все три факта верны: 4382, ОПЕК 1864, не-ОПЕК 2518, вывод про не-ОПЕК корректен.
gemma-4-31b	10	9	9	9.8	Все значения и вывод верны, чёткая структура.
diffusion-gemma	10	9	9	9.8	Точно: 4382, ОПЕК 1864, не-ОПЕК 2518, вывод про не-ОПЕК верен.
GPT-5.5 (low)	10	9	9	9.8	Все три факта корректны, лаконично и точно.
GPT-5.5 (medium)	10	9	9	9.8	Все значения и вывод верны, аккуратный формат.
Kimi K2.6	10	9	9	9.8	Все три факта верны, ясная структура.
GPT-5.6 Sol (low)	10	9	9	9.8	Все верно, плюс корректная разница 654 в пользу не-ОПЕК.
GPT-5.6 Sol (med)	10	9	9	9.8	Точные значения, вывод и разница 654 верны.
GPT-5.6 Terra (low)	10	9	9	9.8	Корректные значения и вывод.
GPT-5.6 Terra (med)	10	9	9	9.8	Все факты верны, аккуратный формат.
GPT-5.6 Terra (high)	10	9	9	9.8	Все три факта верны, ясно и точно.
GPT-5.6 Luna (low)	10	9	9	9.8	Все факты корректны, лаконично.
GPT-5.6 Luna (med)	10	9	9	9.8	Верные значения и вывод.
GPT-5.6 Luna (high)	10	9	9	9.8	Точные значения и правильный вывод.
MiniMax-M3	8	9	9	8.2	Все три ключевых факта верны (4382; ОПЕК 1864, не-ОПЕК 2518; больше не-ОПЕК), проверка суммы и разница 654 (~35%) корректны. Снижение за домысленную единицу измерения «млн тонн», которой на графике нет, и за путаный ошибочный пассаж про 2005 год («1900 против 2747» вместо 1690 и 2247).
Qwen3.6-27B-FP8	5	8	9	5.7	Итог 4382 и не-ОПЕК 2518 верны, но ОПЕК указан 1803 (значение 2015 г.). Вывод верный.
llama-scout	1	7	8	2.3	Итог 4382 верен, но ОПЕК (4226) и не-ОПЕК (1564) выдуманы, вывод неверный — больше добыла ОПЕК. Грубые ошибки.
Nemotron-3-Nano-Omni-30B	0	3	2	0.5	Только итог 4382 верен; ОПЕК 4382 и не-ОПЕК 25256 выдуманы, вывод неверный. Провал.

Большинство моделей дали все три факта верно; победитель среди них выбран условно. llama-scout и nemotron-omni галлюцинировали значения и дали неверный вывод.

chart_дата-аналитика_3b04290e7d — Линейный график: max и min по месяцам

chart · промпт 326 симв. · Победитель: MiniMax-M3 · 9.8/10

▸Промпт задачи

На линейном графике по оси Y отложены значения в гривнах (грн.) от 0 до 300, а по оси X — месяцы. Определи по графику: 1) в каком месяце значение минимальное и чему оно примерно равно; 2) в каких двух месяцах значения максимальные и какое из них наибольшее. Назови месяцы (как они подписаны на оси) и приблизительные значения.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	9	9	9.8	Все проверяемые факты верны: минимум Nov ~20 грн., два максимума Mar ~235 и Dec ~245 с правильным указанием Dec как наибольшего; уместно упомянут Feb (~30) как вторая снизу точка. Мелкие придирки: неудачное выражение «самый низкий пик» и не отмечены странности подписей оси X.
Qwen3.6-27B-FP8	9	9	9	9.0	Все факты верны, аккуратные оценки (Dec ~245, Mar ~235), сравнение с Feb; подробный корректный анализ.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Точно: Nov ~20-30, максимумы Dec и Mar, Dec наибольший; отметил аномалию подписей оси X.
diffusion-gemma	9	8	9	8.9	Nov ~20, максимумы Mar и Dec, Dec наибольший ~245 — всё корректно, анализ краткий.
GPT-5.5 (low)	9	8	9	8.9	Nov ~20, Dec ~240 наибольший, Mar ~235 — точно, но лаконично без обоснования.
GPT-5.5 (medium)	9	8	9	8.9	Nov ~20, Dec ~245 наибольший, Mar ~235 — верно и чётко, минимум рассуждений.
Nemotron-3-Nano-Omni-30B	9	8	9	8.9	Все факты верны, приведено обоснование с отсечением других пиков (июль и т.п.).
GPT-5.6 Sol (low)	9	8	9	8.9	Nov ~20, Mar ~235 и Dec ~240 наибольший — точно и структурно.
GPT-5.6 Sol (med)	9	8	9	8.9	Nov ~20, Mar ~235, Dec ~245 наибольший — корректно, кратко.
GPT-5.6 Terra (low)	9	8	9	8.9	Nov ~15-20, Mar ~235 и Dec ~240-245 наибольший — точный диапазон, кратко.
GPT-5.6 Terra (med)	9	8	9	8.9	Nov ~20, Dec ~240 наибольший, Mar ~235 — всё корректно, сжато.
GPT-5.6 Terra (high)	9	8	9	8.9	Nov ~20, Mar ~235 и Dec ~240-245 наибольший — верно и лаконично.
GPT-5.6 Luna (low)	9	8	9	8.9	Ноябрь ~20, Dec ~240 наибольший, Mar ~235 — корректно, кратко.
GPT-5.6 Luna (med)	9	8	9	8.9	Nov ~20, Mar ~235 и Dec ~240 наибольший — всё верно, сжато.
GPT-5.6 Luna (high)	9	8	9	8.9	Nov ~20, Dec ~240 наибольший, Mar ~235 — верно и лаконично.
Kimi K2.6	9	8	6	8.6	Данные верны (Nov ~20, Dec наибольший), но вкраплены иноязычные слова 'punto', снижающие качество русского.
gemma-4-31b	8	8	9	8.1	Месяцы верны, Dec наибольший; но Nov ~10 грн заметно занижено против реальных ~18-20.
llama-scout	8	8	8	8.0	Верно назвал Nov минимум и Dec наибольшим, но значения смещены: Nov ~25 завышено, Mar ~220 занижено.

Почти все модели верно определили минимум (Nov ~20) и максимумы (Dec>Mar). 27b-v2 лидирует за счёт точных оценок и глубокого корректного анализа; llama-scout и gemma слабее из-за смещённых числовых оценок.

chart_банки_68d303aa3b — Чтение графика USD/RUB на MOEX

chart · промпт 581 симв. · Победитель: gemma-4-31b · 9.8/10

▸Промпт задачи

На изображении — график пары Доллар США / Российский рубль (USDRUB_TOM) с биржи MOEX, таймфрейм 1 час. Ответьте на три вопроса строго по тому, что видно на картинке: 1) Какое текущее значение (цена закрытия, ЗАКР) указано в шапке графика и продублировано меткой у текущей цены справа? 2) Каковы значения трёх горизонтальных линий поддержки/сопротивления, проведённых синим цветом на графике? 3) Опишите общий характер движения цены во второй половине графика (примерно с конца декабря к середине января 2024): растёт, падает или стоит на месте? Назовите примерный максимум графика.

Модель	C	F	Ru	Σ	Комментарий судьи
gemma-4-31b	10	9	9	9.8	Все факты точны: 88.41, три уровня, снижение и максимум ~93.5. Кратко и по делу.
GPT-5.5 (low)	10	9	9	9.8	Все факты точны, включая максимум ~93.5, ясное и корректное описание тренда.
GPT-5.5 (medium)	10	9	9	9.8	Полностью верно: 88.41, уровни, снижение к 88.4 и максимум ~93.5.
Kimi K2.6	10	9	9	9.8	Все факты точны, максимум 93.4-93.5, аккуратно указана локализация пика.
GPT-5.6 Sol (low)	10	9	9	9.8	Верно: 88.41, три уровня, снижение, максимум ~93.5.
GPT-5.6 Sol (med)	10	9	9	9.8	Все факты точны, включая максимум ~93.5 и падение в январе.
GPT-5.6 Terra (low)	10	9	9	9.8	Все факты точны, максимум 93.5-93.6, направление вниз.
GPT-5.6 Terra (med)	10	9	9	9.8	Полностью верно: 88.41, уровни, снижение к 88.4, максимум 93.5-93.6.
GPT-5.6 Terra (high)	10	9	9	9.8	Верно: цена, уровни, снижение, максимум 93.5-93.6.
GPT-5.6 Luna (med)	10	9	9	9.8	Все факты точны, снижение с 92.2 до 88.4, максимум 93.5-93.6.
GPT-5.6 Luna (high)	10	9	9	9.8	Верно: цена, уровни, снижение, максимум 93.5-93.6.
MiniMax-M3	9	9	10	9.1	Все ключевые факты верны: ЗАКР 88.4100, три уровня 92.5000/91.4000/90.0000, нисходящая динамика и максимум ~93.5. Небольшая неточность в локализации пика ('самый левый участок' вместо примерно первой трети графика).
Nemotron-3-Nano-Omni-30B	9	5	7	8.4	Значения и уровни верны, максимум ~93.3 близок, но ответ предельно телеграфный без анализа.
Qwen3.6-27B-FP8	8	9	9	8.2	Цена и уровни верны, тренд вниз, но максимум занижен до ~93.0 вместо ~93.5.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Всё верно, хороший разбор динамики, но максимум указан ~93.0 вместо ~93.5.
diffusion-gemma	8	8	9	8.1	Данные и уровни верны, но максимум 93.49 ошибочно взят из поля МАКС (это внутридневной 88.49), хотя число совпало случайно.
llama-scout	8	8	8	8.0	Цена 88.41 и три уровня верны, направление вниз верно, но максимум завышен до ~94.0 вместо ~93.5.
GPT-5.6 Luna (low)	6	8	9	6.5	Цена и уровни верны, тренд вниз, но максимум сильно занижен до 92.7-92.8 вместо ~93.5.

Задача несложная; большинство GPT-5.5/5.6, gemma-4-31b и kimi дали точные ответы с максимумом ~93.5. Заметно слабее модели с ошибочным максимумом (luna-low 92.8, llama 94.0) и телеграфный nemotron.

chart_нефтегаз_9a7c1570df — Добыча нефти: США, Россия, Саудовская Аравия

chart · промпт 485 симв. · Победитель: Qwen3.6-27B-FP8 · 9.0/10

▸Промпт задачи

На графике показана добыча нефти (млн баррелей в день) для трёх стран — США, России и Саудовской Аравии — за период с 1995 по 2024 год. Источник данных — Bloomberg. Ответьте на вопросы: 1) У какой страны самое высокое конечное значение добычи (на правом краю графика) и чему оно равно согласно подписи? 2) Чему равно конечное значение добычи у России согласно числовой подписи справа? 3) Какая линия демонстрирует самый сильный рост за весь период и резкий провал примерно в 2020 году?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	9	9	9.0	Все факты верны, отмечен V-образный провал 2020; лишь начальное значение (~6000) слегка завышено.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Все три ответа верны: США 12000, Россия 9788.18, зелёная линия США. Чёткая структура.
GPT-5.5 (low)	9	9	9	9.0	Все ответы точны и корректны, кратко и ясно.
MiniMax-M3	9	9	9	9.0	Все три ответа верны: США 12000.00 как максимум, Россия 9788.18, зелёная линия США с сильнейшим ростом и провалом в 2020. Небольшая неточность в стартовом уровне зелёной линии (~6000 вместо ~4000-5000) и в формулировке 'пик около 2020, где виден провал'.
Kimi K2.6	9	9	9	9.0	Все факты верны, содержательное пояснение про сланцевую революцию и провал 2020.
GPT-5.6 Sol (low)	9	9	9	9.0	Все три ответа верны и понятны.
GPT-5.6 Sol (med)	9	9	9	9.0	Все ответы точны, аккуратно оформлено.
GPT-5.6 Luna (high)	9	9	9	9.0	Все три ответа верны и корректно оформлены.
diffusion-gemma	9	9	8	8.9	Все три ответа верны, добавлено верное описание подъёма после 2010 и восстановления после провала.
GPT-5.5 (medium)	9	8	9	8.9	Все три ответа верны, но предельно сжато без анализа.
Nemotron-3-Nano-Omni-30B	9	5	4	8.1	Числа верны, но 'Ойльная линия' — плохой русский, ответ телеграфный без пояснений.
GPT-5.6 Luna (low)	5	7	7	5.4	Числа верны, но Q3 назван Саудовской Аравией (противоречиво с 'зелёная линия'); единицы указаны без 'млн'.
gemma-4-31b	4	8	9	4.9	США и Q3 верны, но конечное значение России указано 10970 (значение Саудовской Аравии) — грубая ошибка.
GPT-5.6 Terra (med)	4	8	9	4.9	США и Q3 верны, но конечное значение России 10970 ошибочно (значение Саудовской Аравии).
GPT-5.6 Terra (high)	4	8	9	4.9	США и Q3 верны, но Россия указана как 10970 (значение белой линии Саудовской Аравии) — ошибка.
GPT-5.6 Terra (low)	4	8	8	4.8	Россия указана 10970 вместо 9788.18 (это Саудовская Аравия); единицы 'тыс.' неверны.
GPT-5.6 Luna (med)	4	8	8	4.8	США и Q3 верны, но Россия указана 10970 (значение Саудовской Аравии) — ошибка; единицы без 'млн'.
llama-scout	2	8	8	3.2	Россия названа 10970 (это Саудовская Аравия) — ошибка; Q3 приписан Саудовской Аравии вместо США с выдуманным обоснованием.

Все три вопроса верны с содержательным анализом. Частая ошибка — подмена значения России (9788.18) значением Саудовской Аравии (10970).

chart_нефтегаз_9abc0bd2c0 — Доход от экспорта нефти: год максимума

chart · промпт 371 симв. · Победитель: MiniMax-M3 · 9.9/10

▸Промпт задачи

На графике показаны два показателя по годам с 2009 по 2020: синие столбцы — «Объём экспорта, млн тонн», красные столбцы — «Доход от экспорта нефти, $млрд». Глядя только на красные столбцы, определи, в каком году доход от экспорта нефти был максимальным, и назови его приблизительное значение по оси Y. Также укажи, в каком году красный показатель (доход) был минимальным.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	9	10	9.9	Максимум верно определён в 2012 году (~180 $млрд), минимум — 2020 (~73 $млрд); дополнительная динамика по годам (2009 ~95, 2015 ~90, 2016 ~75, 2019 ~122) также соответствует графику. Ответ точный, структурированный, на грамотном русском.
Nemotron-3-Nano-Omni-30B	10	9	9	9.8	Полностью верно: 2012 ~180, 2020 ~70-75, с корректной оговоркой о близости 2016.
GPT-5.5 (low)	10	8	9	9.7	Оба показателя верны: максимум 2012 ~180, минимум 2020 ~70.
GPT-5.5 (medium)	10	8	9	9.7	Максимум 2012 ~180 и минимум 2020 ~70-75 определены точно.
GPT-5.6 Sol (low)	10	8	9	9.7	Оба показателя верны: 2012 ~180, 2020 ~72.
GPT-5.6 Sol (med)	10	8	9	9.7	Максимум 2012 ~180 и минимум 2020 ~70 определены точно.
GPT-5.6 Terra (low)	10	8	9	9.7	Максимум 2012 ~180 и минимум 2020 ~70-75 определены верно.
GPT-5.6 Terra (high)	10	8	9	9.7	Оба значения верны: 2012 ~180, 2020 ~70.
GPT-5.6 Luna (low)	10	8	9	9.7	Максимум 2012 ~180 и минимум 2020 ~70 верны; лаконично.
GPT-5.6 Luna (med)	10	8	9	9.7	Максимум 2012 ~180 и минимум 2020 ~70 определены верно.
GPT-5.6 Luna (high)	10	8	9	9.7	Оба значения верны: 2012 ~180, 2020 ~70.
diffusion-gemma	9	8	9	8.9	Максимум 2012 ~180 и минимум 2020 определены верно; кратко, но всё по делу.
Qwen3.6-27B-FP8	5	8	9	5.7	Максимум 2012 ~180-185 верно, минимум ошибочно 2016; подробно, но ключевой минимум неверен.
Qwen3.6-35B-A3B-FP8	5	8	9	5.7	Максимум 2012 ~180 верно, но минимум назван 2016 вместо 2020 (хотя оговорился, что 2020 почти такой же).
Kimi K2.6	5	8	9	5.7	Максимум 2012 ~180 верно, но минимум назван 2016 вместо 2020 (хотя признал близость 2020).
GPT-5.6 Terra (med)	5	8	9	5.7	Максимум 2012 ~180 верно, но минимум ошибочно назван 2016 вместо 2020.
gemma-4-31b	4	8	9	4.9	Максимум 2012 ~180 верно, но минимум твёрдо назван 2016 вместо 2020, без оговорок.
llama-scout	1	6	8	2.2	И максимум (назвал 2011, ~160), и минимум (2016, ~50) определены неверно — обе ключевые величины ошибочны.

Nemotron-omni дал полностью верный ответ (2012 ~180, 2020 ~70-75) с корректной оговоркой про близость 2016; линейка gpt-5.5/5.6 и diffusion-gemma тоже верны, а модели, назвавшие минимум 2016, ошиблись.

chart_нефтегаз_91d10a7a13 — Добыча нефти в ХМАО-Югре: пик, минимум и динамика

chart · промпт 431 симв. · Победитель: MiniMax-M3 · 9.8/10

▸Промпт задачи

На графике показана добыча нефти по ХМАО — Югре (млн т) с 2002 по 2022 год, каждая точка подписана числовым значением. Ответьте на три вопроса строго по данным графика: 1) В каком году добыча достигла максимума и чему он равен? 2) В каком году в период 2002–2022 добыча была минимальной и каково это значение? 3) Опишите общую динамику: как менялась добыча от начала периода к пику и что происходило после пика вплоть до 2022 года.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	9	9	9.8	Все числа и годы считаны верно: пик 2007 (278,4), абсолютный минимум 2002 (209,9) с явным указанием провала 2020 (210,7) и восстановления 2021-2022; расчёты прироста (+68,5; +32,6%; 2,8 к 2007) точны. Ответ структурирован по фазам, русский язык хороший; минус лишь за некоторую избыточность.
llama-scout	9	9	9	9.0	Пик 2007/278,4 и минимум спада 2020/210,7 верны, динамика роста-спада-восстановления описана корректно.
gemma-4-31b	9	9	9	9.0	Пик 2007/278,4 и минимум 2002/209,9 верны, форма кривой (рост-спад-обвал-рост) описана корректно.
diffusion-gemma	9	9	9	9.0	Пик 2007, минимум спада 2020/210,7, детальное и точное описание динамики с восстановлением 2021-2022.
Kimi K2.6	9	9	9	9.0	Пик 2007, минимум 2002/209,9 с указанием соотношения с 2020/210,7, точное и детальное описание динамики.
GPT-5.6 Sol (low)	9	9	9	9.0	Пик 2007, минимум 2002/209,9, детальное верное описание с промежуточными значениями.
GPT-5.6 Sol (med)	9	9	9	9.0	Пик 2007, минимум 2002/209,9, корректная динамика и восстановление 2021-2022.
GPT-5.6 Terra (low)	9	9	9	9.0	Пик 2007, минимум 2002/209,9, корректное описание спада, обвала 2020 и частичного восстановления.
GPT-5.6 Luna (low)	9	9	9	9.0	Пик 2007, минимум 2002/209,9, верное описание спада, обвала 2020 и восстановления.
GPT-5.6 Luna (med)	9	9	9	9.0	Пик 2007, минимум 2002/209,9, корректная динамика роста-спада-обвала-восстановления.
GPT-5.6 Luna (high)	9	9	9	9.0	Пик 2007, минимум 2002/209,9, подробная и корректная динамика с восстановлением 2021-2022.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Пик 2007/278,4 и минимум 2002/209,9 верны; но 2019 назван 'локальным минимумом' (236) неточно, хотя обвал 2020 и восстановление описаны верно.
GPT-5.6 Terra (med)	8	9	9	8.2	Пик 2007, минимум 2002/209,9, верная динамика, но восстановление 2021-2022 описано обобщённо.
GPT-5.6 Terra (high)	8	9	9	8.2	Пик 2007 и минимум 2002/209,9 верны, динамика верная, но кратко и без деталей восстановления по годам.
Nemotron-3-Nano-Omni-30B	8	8	9	8.1	Пик 2007/278,4 и минимум 2002/209,9 верны; описание спада до 2015-2016 и стабильности несколько огрублено, но обвал 2020 и восстановление указаны.
Qwen3.6-27B-FP8	4	8	9	4.9	Пик ошибочно отнесён к 2006 году (реально 2007), хотя значение 278,4 верно; минимум 2002/209,9 верен, но неверный год пика — серьёзная ошибка.
GPT-5.5 (low)	4	8	9	4.9	Минимум ошибочно отнесён к 2003 году, а старт 2002 назван 233,1 (реально 209,9) — сдвиг значений; пик 2007 верен.
GPT-5.5 (medium)	4	8	9	4.9	Те же ошибки: минимум приписан 2003, старт 2002 указан как 233,1 вместо 209,9; пик 2007 верен.

Большинство моделей верно читают пик 2007/278,4 и минимум; kimi-k2.6, diffusion-gemma, luna-high и sol-low дают наиболее точные и детальные ответы. 27b-v2 (пик 2006) и обе gpt-5.5 (минимум 2003, старт 233,1) допустили фактические ошибки.

chart_нефтегаз_fdd73d94e3 — Динамика показателя 2008–2020 по столбчатой диаграмме

chart · промпт 362 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На диаграмме показаны годовые значения показателя за период 2008–2020 гг. Ответьте на три вопроса строго по подписям над столбцами: 1) В каком году значение было максимальным и чему оно равно? 2) Чему равнялось значение в 2020 году и насколько (в абсолютных единицах) оно снизилось по сравнению с 2019 годом? 3) Опишите общий тренд показателя с 2008 по 2019 год.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все факты точны, отмечено снижение в 2017 году. Полный и грамотный ответ.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три ответа верны: максимум 2019=560,2, 2020=512,7, снижение 47,5, восходящий тренд. Чётко и грамотно.
gemma-4-31b	10	9	10	9.9	Верные значения, разница 47,5, тренд с упоминанием отклонения 2017. Кратко и точно.
GPT-5.5 (low)	10	9	10	9.9	Точные значения, разница 47,5, тренд с отметкой снижения 2017. Кратко и грамотно.
GPT-5.5 (medium)	10	9	10	9.9	Все факты верны, показан расчёт разницы, тренд с отклонением 2017. Отлично.
Kimi K2.6	10	9	10	9.9	Все факты точны, детально описан тренд и снижение 2017 с числами. Наиболее полный анализ.
GPT-5.6 Sol (low)	10	9	10	9.9	Все значения верны, разница 47,5, тренд восходящий, но снижение 2017 не отмечено.
GPT-5.6 Terra (low)	10	9	10	9.9	Все факты верны, тренд с упоминанием снижения 2017. Кратко и точно.
GPT-5.6 Luna (low)	10	9	10	9.9	Все данные верны, тренд с отметкой снижения 2017. Грамотно.
GPT-5.6 Luna (med)	10	9	10	9.9	Точные факты, разница 47,5, устойчивый рост с отклонением 2017. Отлично.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные значения, разница 47,5, тренд с упоминанием 2017. Лаконично и точно.
diffusion-gemma	10	9	9	9.8	Все данные верны, тренд восходящий с упоминанием колебаний 2017. Хорошая структура.
llama-scout	10	9	8	9.7	Данные и разница 47,5 верны, тренд описан корректно. Использует точку вместо запятой и LaTeX-формат, не отметил снижение 2017.
GPT-5.6 Sol (med)	9	9	10	9.1	Значения и разница верны, но формулировка «ежегодно рос» не учитывает снижение в 2017 году.
GPT-5.6 Terra (med)	9	9	10	9.1	Значения и разница верны, но «последовательно рос» не отражает снижение 2017.
GPT-5.6 Terra (high)	9	9	10	9.1	Данные точны, но «устойчивый ежегодный рост» без оговорки о снижении 2017.
MiniMax-M3	7	9	9	7.4	Все три ответа по сути верны (2019=560,2; 2020=512,7; снижение 47,5), но значение 2008 указано как 486,1 вместо 488,1, из-за чего и суммарный прирост посчитан неверно (74,1 вместо 72,1). Также утверждается рост «каждый год», хотя в 2017 (546,8) есть небольшое отклонение вниз относительно 2016 (547,5).
Nemotron-3-Nano-Omni-30B	3	2	1	2.7	Ответ на английском, назвал только максимум 560,2 без года; вопросы 2 и 3 не раскрыты.

Почти все модели дали точные ответы; kimi-k2.6 отличается наиболее полным анализом с числовым описанием отклонения 2017. Nemotron-omni провалился (английский, неполный).

chart_нефтегаз_be50817085 — Динамика цены на графике 2020–2021

chart · промпт 393 симв. · Победитель: Qwen3.6-27B-FP8 · 9.1/10

▸Промпт задачи

На графике показана динамика показателя (цена, долл./барр.) с весны 2020 по март 2021 года. Опишите общую динамику линии и ответьте на вопросы: 1) Какое минимальное значение принимала линия и примерно когда (в каком периоде) это произошло? 2) Какого максимального значения линия достигает к концу графика? 3) Каким было значение в самом начале графика? Назовите приблизительные числа по шкале.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	9	10	9.1	Все три числа точны (20-21, 65-67, 52-53), динамика описана детально и верно.
Qwen3.6-35B-A3B-FP8	9	9	10	9.1	Минимум ~20-21, начало ~52-53, максимум 62-64 (чуть занижено, но в допуске); тренд описан верно.
gemma-4-31b	9	9	10	9.1	Минимум ~20, начало ~52, максимум 63-65 — всё в допуске, аккуратное описание тренда.
MiniMax-M3	9	9	10	9.1	Все проверяемые факты верны: минимум ~19-20 весной 2020, максимум ~65-66 в конце (март 2021), старт ~52, V-образная динамика с последующим ростом. Небольшой минус за слегка домысленную хронологию по месяцам (таблица) и внешний контекст ОПЕК+, не следующий из картинки.
Kimi K2.6	9	9	10	9.1	Полный и точный разбор: минимум ~20 весной, максимум ~65 с коррекцией, начало 50-53; отличный анализ.
GPT-5.5 (low)	9	8	9	8.9	Все числа верны (20, 65-67, 52), кратко и точно.
GPT-5.5 (medium)	9	8	9	8.9	Точные числа и хорошее описание динамики с падением до 20 и ростом к концу.
GPT-5.6 Sol (low)	9	8	9	8.9	Минимум ~20 в конце апреля-мае, максимум ~67, начало ~52 — всё верно.
GPT-5.6 Sol (med)	9	8	9	8.9	Все три числа точны, динамика описана корректно с учётом колебаний.
GPT-5.6 Terra (low)	9	8	9	8.9	Минимум 20, максимум 66-67, начало 52 — точно и связно.
GPT-5.6 Terra (med)	9	8	9	8.9	Все числа верны (20, 66-67, 52), корректное описание восстановления.
GPT-5.6 Terra (high)	9	8	9	8.9	Числа верны (20, 67, 52), упомянут коридор 40-45 во 2 половине 2020.
GPT-5.6 Luna (low)	9	8	9	8.9	Минимум 20, максимум 67-68, начало 52 — верно; кратко.
GPT-5.6 Luna (med)	9	8	9	8.9	Точные числа (20, 67, 52) и верное описание тренда.
GPT-5.6 Luna (high)	9	7	9	8.8	Все числа верны (52→20→67), сжато и корректно.
diffusion-gemma	8	8	8	8.0	Числа верны (20, 67-68 чуть завышено, 52-53); есть опечатки "которого которого", "на отмет".
llama-scout	4	7	8	4.7	Минимум и максимум примерно верны, но начальное значение указано ~30 вместо ~52 — грубая ошибка; артефакты $ в тексте.
Nemotron-3-Nano-Omni-30B	5	2	3	4.5	Минимум ~20 и максимум ~65 верны, но нет начального значения, ответ оборван и содержит мусор "2). 1010".

Большинство моделей отлично справились; kimi-k2.6, 27b-v2 и gpt-5.5-medium дали самые полные и точные ответы. Llama-scout ошибся с начальным значением (30 вместо 52), nemotron-omni оборван.

chart_маркетинг_6acf0b678d — Этапы современной воронки продаж

chart · промпт 315 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед вами инфографика «Современная воронка продаж». Внимательно рассмотрите её и ответьте на вопросы строго по изображению: 1) Сколько всего пронумерованных этапов показано в воронке? 2) Назовите этап под номером 1 и этап под номером 7. 3) Какой этап завершает воронку (имеет наибольший номер) и как он называется?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Полностью точный и аккуратный ответ по всем трём пунктам, чистое оформление и русский.
GPT-5.5 (low)	10	10	10	10.0	Все ответы точны и корректно оформлены.
GPT-5.5 (medium)	10	10	10	10.0	Все ответы точны и аккуратно структурированы.
Kimi K2.6	10	10	10	10.0	Полностью точный ответ, чёткое оформление и грамотный русский.
GPT-5.6 Sol (low)	10	9	10	9.9	Полностью корректный и ясный ответ по всем пунктам.
GPT-5.6 Sol (med)	10	9	10	9.9	Все три ответа точны, чистое оформление.
GPT-5.6 Terra (low)	10	9	10	9.9	Полностью точный ответ, аккуратная структура.
GPT-5.6 Terra (med)	10	9	10	9.9	Все три пункта верны и хорошо оформлены.
GPT-5.6 Terra (high)	10	9	10	9.9	Все ответы верны, лаконично и корректно.
GPT-5.6 Luna (low)	10	9	10	9.9	Все ответы точны, аккуратное краткое оформление.
GPT-5.6 Luna (med)	10	9	10	9.9	Все ответы точны и грамотно поданы.
GPT-5.6 Luna (high)	10	9	10	9.9	Все три пункта верны, лаконично и корректно.
llama-scout	10	9	9	9.8	Все три ответа точны: 10 этапов, №1 Предосознанность, №7 Решение и покупка, №10 Отказ от покупки. Лёгкая захламлённость LaTeX-долларами в разметке.
diffusion-gemma	10	9	8	9.7	Ответы точны по всем пунктам, но начало испорчено дефектом «Оваясь на представленной инфографике».
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Всё верно, число, №7 и №10 корректны. №1 назван «Предосознательность» вместо «Предосознанность» — незначительное искажение.
gemma-4-31b	9	8	8	8.8	Число и №10 верны, №1 с опечаткой «Предознанность», №7 передан как «Решение о покупке» — смысл сохранён, но формулировка неточна.
MiniMax-M3	8	9	6	7.9	Все три ответа по сути верны (10 этапов, №1 Предосознанность, №10 Отказ от покупки), но №7 передан как «Решение о покупке» вместо точного «Решение и покупка». Пересказ пояснения к этапу 7 содержит бессмысленную фразу («снимут ли на себя головоломку выбрать»), что портит русский язык и точность цитирования.
Nemotron-3-Nano-Omni-30B	7	6	7	6.9	Число и №10 верны, №7 верен, но №1 назван «Предпосвязанность» — заметное искажение названия. Формат предельно сжатый.

Задача простая; большинство моделей дали идеально точные ответы. Победитель 27b-v2 за безупречную точность, оформление и русский; nemotron и gemma-4-31b проиграли из-за искажений названия этапа №1.

chart_маркетинг_c89e79d6c5 — Воронка продаж: этапы и легенда

chart · промпт 376 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На изображении показана «Воронка продаж» в виде цветной пирамиды-воронки с подписями этапов внутри и легендой справа. Выполни три задания: 1) Перечисли все этапы воронки сверху вниз по порядку (по тексту внутри цветных блоков). 2) Назови цвет блока самого нижнего (последнего) этапа и его подпись. 3) По легенде справа укажи, какому понятию соответствует синий (голубой) цвет.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все три задания выполнены полностью верно: порядок этапов Внимание-Интерес-Желание-Действие, фиолетовый нижний блок «Действие», синий = «Желание воспользоваться предложением». Дополнительно корректно отмечен неподписанный красный верхний сегмент, ошибок и галлюцинаций нет.
Qwen3.6-27B-FP8	10	9	10	9.9	Всё правильно, ясная структура и корректный русский.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три пункта верны, чёткая структура и правильные факты.
llama-scout	10	9	10	9.9	Полностью верный ответ, аккуратное форматирование с выделением.
gemma-4-31b	10	9	10	9.9	Верные ответы по всем пунктам, компактно и понятно.
GPT-5.5 (low)	10	9	10	9.9	Все факты верны, аккуратное выделение ключевых слов.
GPT-5.5 (medium)	10	9	10	9.9	Полностью корректно, чистое форматирование.
Kimi K2.6	10	9	10	9.9	Всё верно, добавил синонимы цвета (пурпурный/сиреневый), отличная структура.
GPT-5.6 Sol (low)	10	9	10	9.9	Все факты верны, аккуратное выделение.
GPT-5.6 Sol (med)	10	9	10	9.9	Полностью корректно и структурировано.
GPT-5.6 Terra (low)	10	9	10	9.9	Верный ответ, корректный русский с грамотным согласованием.
GPT-5.6 Terra (med)	10	9	10	9.9	Все три пункта верны, лаконично и ясно.
GPT-5.6 Terra (high)	10	9	10	9.9	Верно и кратко, все пункты покрыты.
GPT-5.6 Luna (low)	10	9	10	9.9	Верно и лаконично, все пункты покрыты.
GPT-5.6 Luna (med)	10	9	10	9.9	Верный ответ по всем трём пунктам, ясно изложено.
GPT-5.6 Luna (high)	10	9	10	9.9	Верно и лаконично, все пункты покрыты.
diffusion-gemma	10	9	9	9.8	Верно, дополнительно корректно отметил безымянный красный верхний сегмент; опечатка «Ниний».
Nemotron-3-Nano-Omni-30B	10	7	9	9.6	Ответы верны, но предельно кратко, без структуры и пояснений.

Все модели дали верные ответы; kimi-k2.6 выделяется полнотой (синонимы цвета) при сохранении структуры. Nemotron-omni слабее по формату из-за чрезмерной краткости.

Сравнение (до/после)

compare_общее_565293c79b — Сравнение комнаты до и после ремонта

compare · промпт 300 симв. · Победитель: Qwen3.6-27B-FP8 · 9.0/10

▸Промпт задачи

На изображении показана одна и та же комната до (верхнее фото) и после (нижнее фото) ремонта. Сравни два фото и перечисли минимум 5 ключевых отличий: что изменилось в отделке стен, полу, мебели и наполнении комнаты. Укажи, какие предметы/детали появились на фото «после» и каких не было на фото «до».

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	9	9	9.0	Очень точно и структурно: iMac, галерея, коврик, гирлянда, растения, стеллаж — почти всё из эталона.
GPT-5.5 (low)	9	9	9	9.0	Исчерпывающе: 10 пунктов, точные детали и корректно отмечены убранные вещи (обувь, пакет, провода).
GPT-5.5 (medium)	9	9	9	9.0	Максимально полный и точный разбор всех зон и деталей, с корректным итоговым выводом о скандинавском стиле.
MiniMax-M3	9	9	9	9.0	Верно найдены все ключевые отличия (стены, пол, диван, рабочая зона с моноблоком, галерея рамок, растения, коврик, часы, гирлянда), «до» и «после» не перепутаны. Мелкие неточности: диван на «до» назван кожаным (он тканевый), радиаторы «до» описаны как тёмные, хотя они светло-охристые.
GPT-5.6 Sol (low)	9	9	9	9.0	Очень полно и точно: стены, пол, ковёр, рабочая зона, стеллажи, галерея, растения, гирлянда, убранный хлам.
GPT-5.6 Sol (med)	9	9	9	9.0	Исчерпывающий и точный разбор с корректным зонированием и деталями озеленения; выдумок нет.
GPT-5.6 Terra (low)	9	9	9	9.0	Очень точно, с распознанным iMac, стеллажами, галереей, гирляндой и убранными с пола вещами.
gemma-4-31b	8	9	9	8.2	Чётко 5 отличий плюс перечень появившихся предметов; всё соответствует картинке, без выдумок.
Kimi K2.6	8	9	9	8.2	Точно и структурно, с удобным итогом «чего не было на до»; «кожаный диван» — незначительная неточность.
Qwen3.6-35B-A3B-FP8	8	8	9	8.1	Подробно и точно: стены, пол, диван, рабочая зона, галерея, растения, ковёр, гирлянда. Мелкие домыслы (двухъярусный столик, шторы) не критичны.
GPT-5.6 Terra (med)	8	8	9	8.1	Все основные отличия названы верно и структурно, без выдумок.
GPT-5.6 Terra (high)	8	8	9	8.1	Компактно и верно перечислены все ключевые отличия, включая замену освещения.
GPT-5.6 Luna (low)	8	8	9	8.1	Все основные отличия названы верно и структурировано, без выдумок.
GPT-5.6 Luna (high)	8	8	9	8.1	Сжато и точно перечислены все ключевые отличия, включая убранный хлам и вписанные радиаторы.
GPT-5.6 Luna (med)	8	8	7	7.9	Отличия верные, но вкрапления испанского «sofá» и спорное «угловая» портят русский.
diffusion-gemma	8	7	7	7.8	Отличия верные и полные, но есть опечатки («освежи», «Вме», «Вместо»), портящие текст.
Nemotron-3-Nano-Omni-30B	8	8	1	7.3	Содержательно точный разбор, но полностью на английском языке — требование русского не выполнено.
llama-scout	6	8	8	6.4	Основные отличия названы верно, но есть выдумки: «туалетный столик», табуретка на «до», жалюзи/шторы на окнах — деталей, которых не видно.

Почти все модели справились отлично; лучшие — gpt-5.5-medium/low, sol-*, terra-low, 27b-v2. Nemotron точен, но ответил на английском (russian=1).

compare_общее_7147d6b692 — Комната до и после ремонта

compare · промпт 315 симв. · Победитель: Qwen3.6-27B-FP8 · 9.0/10

▸Промпт задачи

На фото показана одна и та же комната до ремонта (слева) и после ремонта (справа). Внимательно сравните два изображения и перечислите не менее четырёх ключевых отличий между состоянием «до» и «после». Обратите внимна на отделку стен, напольное покрытие, освещение (люстру), наличие штор и общее состояние помещения.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	9	9	9.0	Все отличия верны, включая радиатор и строймусор. Аккуратный, полный и точный ответ.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Все 4 ключевых отличия верны, плюс обоснованное замечание про оконный блок. Точно и структурно.
GPT-5.5 (low)	9	9	9	9.0	Все отличия верны и детальны, цвет стен и пол определены правильно. Отличный ответ.
GPT-5.5 (medium)	9	9	9	9.0	Верно определены все ключевые отличия и направление до→после. Ясно и структурно.
Kimi K2.6	9	9	9	9.0	Очень детально и точно: стены, пол, 5 плафонов, окна, плинтусы, радиатор. Лучший разбор.
GPT-5.6 Terra (low)	9	9	9	9.0	Верно перечислены отличия, направление до→после точное. Ясный ответ.
GPT-5.6 Terra (med)	9	9	9	9.0	Все шесть отличий корректны и сжаты, без выдумок. Точно и структурно.
GPT-5.6 Terra (high)	9	9	9	9.0	Все ключевые отличия верны и лаконичны, цвет стен и пол определены правильно.
GPT-5.6 Luna (low)	9	9	9	9.0	Верно перечислены отличия, включая плинтусы и радиатор. Ясный и точный ответ.
GPT-5.6 Luna (med)	9	9	9	9.0	Все отличия названы корректно, направление до→после верное. Хорошо структурировано.
GPT-5.6 Luna (high)	9	9	9	9.0	Все ключевые отличия верны, лаконично и точно, цвет стен правильный. Отлично.
llama-scout	8	9	9	8.2	Верно перечислены отличия, но фраза о том, что окна и радиаторы просто 'стали чище', неточна. В целом хорошо.
gemma-4-31b	8	9	9	8.2	Отличия названы верно, но домысел про 'ОСБ' для стен 'до' лишний. В остальном корректно.
GPT-5.6 Sol (low)	8	9	9	8.2	Отличия верны, но люстра описана как 'шесть плафонов' (реально 5). В целом сильный ответ.
GPT-5.6 Sol (med)	8	9	9	8.2	Верно, но 'шесть шаров' у люстры — неточность (их 5). Хорошая структура и русский.
MiniMax-M3	8	9	8	8.1	Все ключевые отличия (обои→сиреневая покраска, бетон→тёмный ламинат, старая люстра→новая с 5 шарами, снятые шторы, уборка мусора) названы верно; минус за неточности: 'белая межкомнатная дверь, которой ранее не было заметно' — на самом деле балконная дверь видна и на кадре 'до', плафоны старой люстры не тканевые, шторы бежево-коричневые, а не красно-белые. В русском мелкая ошибка согласования ('которую ранее не было заметно').
diffusion-gemma	8	8	8	8.0	Содержательно верно, но есть опечатка ('чисторое') и спорное 'новые радиаторы'. Хорошо.
Nemotron-3-Nano-Omni-30B	8	8	6	7.8	Содержание верное, но русский засорён англицизмами ('light-lavender') и корявыми формулировками ('шестибалльная').

Почти все модели дали точные ответы; kimi-k2.6 выделяется наибольшей детализацией (5 плафонов, плинтусы, радиатор) при полной корректности. Слабее прочих nemotron-omni из-за русского.

compare_общее_67c2cbfd88 — Сравнение «до/после»: ремонт квартиры

compare · промпт 271 симв. · Победитель: GPT-5.5 (low) · 9.0/10

▸Промпт задачи

На изображении два кадра одного помещения, подписанные «ДО» (слева) и «ПОСЛЕ» (справа). Внимательно сравните их и перечислите ключевые отличия. Что было сделано в этом помещении и какая комната оборудована на фото «ПОСЛЕ»? Назовите минимум 5 конкретных видимых изменений.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (low)	9	9	9	9.0	Отличный, полный и точный разбор из 8 изменений, кухня-столовая, без выдумок.
Kimi K2.6	9	9	9	9.0	Наиболее подробный и точный разбор с чёткой структурой ДО/ПОСЛЕ, паркет-ёлочка, все детали верны.
GPT-5.6 Sol (low)	9	9	9	9.0	Развёрнутый и точный список из 10 изменений, кухня-столовая, без выдумок.
GPT-5.6 Sol (med)	9	9	9	9.0	Отличный точный разбор, все ключевые изменения и назначение помещения названы верно.
GPT-5.6 Terra (low)	9	8	9	8.9	Полный и точный список изменений, кухня-столовая, без выдумок.
GPT-5.6 Terra (med)	9	8	9	8.9	Корректно: демонтаж→кухня-столовая, все ключевые изменения перечислены точно.
GPT-5.6 Terra (high)	9	8	9	8.9	Верно опознаны ремонт и кухня-столовая, перечислены все ключевые изменения.
GPT-5.6 Luna (high)	9	8	9	8.9	Верно и полно: капремонт, кухня-столовая, все ключевые изменения перечислены.
Qwen3.6-27B-FP8	8	9	9	8.2	Корректно, 6 изменений, кухня-столовая. Римскую штору назвал рулонной — мелкая неточность.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Детальный и точный разбор, кухня-столовая, все ключевые изменения. Кирпич/снесённые перегородки — допущение.
gemma-4-31b	8	9	9	8.2	Точно опознаны ремонт, кухня-столовая и все ключевые изменения, ясная структура.
GPT-5.5 (medium)	8	9	9	8.2	Очень качественно; разделение пола на плитку и дерево — небольшое допущение, остальное верно.
MiniMax-M3	8	9	9	8.2	Верно опознан капитальный ремонт и кухня-столовая, перечислено 8 корректных отличий (пол ёлочкой, отделка стен, гарнитур со встроенной техникой, обеденная зона, люстра, шторы, декор). Небольшие неточности: говорится об одной свисающей лампочке (их несколько плюс прожектор-штатив), пол назван светлым (он тёплый средне-коричневый), а замена окон на белые пластиковые — домысел, на кадре «ПОСЛЕ» рама практически не видна.
GPT-5.6 Luna (low)	8	8	9	8.1	Корректно опознаны ремонт и кухня с обеденной зоной, изменения перечислены точно.
GPT-5.6 Luna (med)	8	8	9	8.1	Точный разбор; упоминание жалюзи — мелкая неточность, в остальном верно.
llama-scout	8	8	8	8.0	Верно опознан ремонт и кухня-столовая, 5 изменений. Упоминание кирпичной кладки слегка натянуто, но общее направление верно.
diffusion-gemma	7	8	7	7.1	В целом верно, но выдуман натяжной потолок и опечатки (жаторы), что снижает качество.
Nemotron-3-Nano-Omni-30B	6	7	5	6.0	Направление верно, но паркет назван гексагональным (на деле ёлочка), выдуманы новые окна и много языковых сбоев.

Большинство моделей справились отлично. Kimi-k2.6 дал самый подробный и точный разбор с чёткой структурой ДО/ПОСЛЕ; наравне идут gpt-5.5-low и gpt-5.6-sol. Слабее всех nemotron-omni (гексагональный паркет, выдуманные окна, языковые сбои).

compare_общее_81b9075c73 — Ремонт комнаты: до и после

compare · промпт 266 симв. · Победитель: Qwen3.6-27B-FP8 · 9.0/10

▸Промпт задачи

На картинке два фото одной комнаты: слева — «до», справа — «после» ремонта. Внимательно сравните их и перечислите минимум 5 ключевых отличий между состоянием комнаты до и после. Опишите, что изменилось со стенами, потолком, полом, окном и общим состоянием помещения.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	9	9	9.0	Все 6 отличий верны и конкретны, включая новую дверь с матовым стеклом и ПВХ-окно.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Точно и детально: стены, пол, окно без штор, люстра, дверь со вставками и радиатор — всё верно и с привязкой к деталям.
gemma-4-31b	9	9	9	9.0	Аккуратный точный разбор всех ключевых отличий без выдумок.
GPT-5.5 (low)	9	9	9	9.0	7 точных пунктов с привязкой к деталям, включая потолок, дверь и общее впечатление.
GPT-5.5 (medium)	9	9	9	9.0	Максимально полный и точный разбор: стены, пол, окно, радиатор, плинтусы, дверь — без галлюцинаций.
Kimi K2.6	9	9	9	9.0	Точный детальный разбор всех отличий, включая плинтуса в тон пола и дверь с матовым стеклом.
GPT-5.6 Sol (low)	9	9	9	9.0	Детальный и точный список, включая откосы, подоконник, радиатор и дверь со стеклом.
GPT-5.6 Sol (med)	9	9	9	9.0	Очень полный и точный разбор всех отличий, включая снятые шторы и плинтусы.
GPT-5.6 Terra (low)	9	9	9	9.0	Верно определены все отличия, включая замену окна со шторами и новую дверь.
GPT-5.6 Terra (med)	9	9	9	9.0	Полный точный разбор с привязкой к деталям: стены, пол, окно, дверь с матовым стеклом, освещение.
GPT-5.6 Terra (high)	9	9	9	9.0	Сжатый, но точный список ключевых отличий без выдумок.
GPT-5.6 Luna (med)	9	9	9	9.0	Верный и структурированный разбор всех основных отличий.
GPT-5.6 Luna (high)	9	9	9	9.0	Все ключевые отличия верны и конкретны, включая новую дверь и радиатор.
GPT-5.6 Luna (low)	8	8	9	8.1	Компактный верный список отличий, чуть меньше конкретики по окну.
Nemotron-3-Nano-Omni-30B	9	8	0	8.0	Содержательно верно, но ответ полностью на английском при русскоязычном задании — русский отсутствует.
diffusion-gemma	8	8	6	7.8	Отличия в целом верны, но заметные грамматические ошибки («состояниином состоянии», «бетонное основа») портят русский.
MiniMax-M3	7	8	9	7.3	Направление до/после определено верно, названы 6 реальных отличий (стены, потолок, пол, окно, дверь, чистота), но есть ошибки в цветах: новая дверь названа тёмной (фактически светлая), а оттенки обоев 'до' и краски 'после' фактически перепутаны; радиатор под окном не замечен. Оформление структурное и ясное, русский язык хороший.
llama-scout	6	8	8	6.4	Верно определено направление и большинство отличий, но галлюцинация: приписывает окну «после» новые занавески, которых нет, и не замечает установленную новую дверь со стеклом.

Большинство моделей справились отлично; лидирует gpt-5.5-medium за самый полный и точный разбор без галлюцinаций. Слабее всех llama-scout (выдуманные занавески) и nemotron-omni (ответ на английском).

Подсчёт объектов

count_нефтегаз_810365deb6 — Подсчёт жёлто-бежевых резервуаров на нефтебазе

count · промпт 249 симв. · Победитель: llama-scout · 9.7/10

▸Промпт задачи

На этом аэрофотоснимке нефтегазового резервуарного парка большинство крупных цилиндрических резервуаров окрашены в белый цвет. Сколько среди них резервуаров жёлто-бежевого (песочного) цвета, отличающихся по окраске от остальных белых? Укажите число.

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	10	8	9	9.7	Верно назвал 1 резервуар, дал структурированное и грамотное пояснение.
diffusion-gemma	10	7	7	9.4	Верно указал 1 резервуар и его расположение справа; мелкая опечатка в тексте.
MiniMax-M3	10	7	6	9.3	Ответ «1» полностью верен: на снимке действительно ровно один жёлто-бежевый резервуар справа. Однако ответ предельно лаконичен — нет ни пояснения, ни указания местоположения, а русского текста как такового нет.
GPT-5.6 Luna (med)	10	6	7	9.3	Верный ответ, короткая формулировка.
GPT-5.6 Luna (high)	10	6	7	9.3	Верный ответ, короткая формулировка с существительным.
Qwen3.6-27B-FP8	10	6	6	9.2	Верный ответ 1, но без пояснений и анализа.
Qwen3.6-35B-A3B-FP8	10	6	6	9.2	Верный ответ 1 без пояснений.
gemma-4-31b	10	6	6	9.2	Верный ответ 1 без анализа.
GPT-5.5 (low)	10	6	6	9.2	Верный ответ 1 без пояснений.
GPT-5.5 (medium)	10	6	6	9.2	Верный ответ 1 без пояснений.
Nemotron-3-Nano-Omni-30B	10	6	6	9.2	Верный ответ 1 без пояснений.
Kimi K2.6	10	6	6	9.2	Верный ответ 1 без пояснений.
GPT-5.6 Sol (low)	10	6	6	9.2	Верный ответ 1 без пояснений.
GPT-5.6 Sol (med)	10	6	6	9.2	Верный ответ 1 без пояснений.
GPT-5.6 Terra (low)	10	6	6	9.2	Верный ответ 1 без пояснений.
GPT-5.6 Terra (med)	10	6	6	9.2	Верный ответ 1 без пояснений.
GPT-5.6 Terra (high)	10	6	6	9.2	Верный ответ 1 без пояснений.
GPT-5.6 Luna (low)	10	6	6	9.2	Верный ответ 1 без пояснений.

Все модели верно назвали 1 песочный резервуар; llama-scout выделяется структурированным и грамотным пояснением.

count_нефтегаз_bcf41e7374 — Подсчёт крупных резервуаров на нефтебазе

count · промпт 290 симв. · Победитель: llama-scout · 9.7/10

▸Промпт задачи

На этом аэрофотоснимке нефтегазового объекта в центре кадра на переднем плане расположены крупные белые цилиндрические резервуары для хранения нефтепродуктов (они заметно больше остальных ёмкостей). Сколько таких крупных резервуаров на переднем плане видно на снимке? Ответьте одним числом.

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	10	8	9	9.7	Верно 2, с чётким пояснением на грамотном русском.
MiniMax-M3	10	10	7	9.7	Ответ «2» полностью верен и точно соответствует требуемому формату (одно число). Рассуждений не показано, русский текст отсутствует, поэтому reasoning и russian оценены умеренно.
Qwen3.6-27B-FP8	10	5	5	9.0	Верный ответ 2, голое число без анализа.
Qwen3.6-35B-A3B-FP8	10	5	5	9.0	Верный ответ 2, но только голое число без пояснений и русского текста.
gemma-4-31b	10	5	5	9.0	Верно 2, минимальный ответ без пояснений.
diffusion-gemma	10	5	5	9.0	Верно 2, голое число.
GPT-5.5 (low)	10	5	5	9.0	Верно 2, без пояснений.
GPT-5.5 (medium)	10	5	5	9.0	Верно 2, без пояснений.
Nemotron-3-Nano-Omni-30B	10	5	5	9.0	Верно 2, голое число.
Kimi K2.6	10	5	5	9.0	Верно 2, голое число.
GPT-5.6 Sol (low)	10	5	5	9.0	Верно 2, без пояснений.
GPT-5.6 Sol (med)	10	5	5	9.0	Верно 2, без пояснений.
GPT-5.6 Terra (low)	10	5	5	9.0	Верно 2, без пояснений.
GPT-5.6 Terra (med)	10	5	5	9.0	Верно 2, без пояснений.
GPT-5.6 Terra (high)	10	5	5	9.0	Верно 2, без пояснений.
GPT-5.6 Luna (low)	10	5	5	9.0	Верно 2, без пояснений.
GPT-5.6 Luna (med)	10	5	5	9.0	Верно 2, без пояснений.
GPT-5.6 Luna (high)	10	5	5	9.0	Верно 2, без пояснений.

Все модели дали верный ответ 2; llama-scout выделяется полным пояснением на грамотном русском.

count_общее_63600eb3ed — Подсчёт автомобилей на парковке

count · промпт 163 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

На изображении сверху показана парковочная зона рядом с пешеходным переходом («зеброй»). Сколько всего легковых автомобилей (машин) видно на снимке? Укажите число.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Верно 7 с подробным перечислением всех машин по позициям.
Kimi K2.6	10	7	9	9.6	Верный ответ 7, кратко и ясно.
Qwen3.6-35B-A3B-FP8	10	6	9	9.5	Верный ответ 7, но без разбора расположения машин.
gemma-4-31b	10	6	9	9.5	Верный ответ 7, без пояснений.
GPT-5.5 (low)	10	5	6	9.1	Голое число 7 — верно, но без анализа.
GPT-5.5 (medium)	10	5	6	9.1	Голое число 7 — верно, без разбора.
GPT-5.6 Sol (low)	10	5	6	9.1	Голое число 7 — верно.
GPT-5.6 Sol (med)	10	5	6	9.1	Голое число 7 — верно.
GPT-5.6 Terra (high)	10	5	6	9.1	Голое число 7 — верно.
GPT-5.6 Luna (low)	10	5	6	9.1	Голое число 7 — верно.
GPT-5.6 Luna (med)	10	5	6	9.1	Голое число 7 — верно.
GPT-5.6 Luna (high)	10	5	6	9.1	Голое число 7 — верно.
Nemotron-3-Nano-Omni-30B	10	8	1	8.9	Верно 7 с подробным перечислением, но ответ полностью на английском.
MiniMax-M3	10	5	4	8.9	Ответ «7» полностью верен и совпадает с эталоном. Однако это лишь одна цифра без каких-либо пояснений и разбора рядов, а русскоязычного текста фактически нет.
llama-scout	2	6	9	3.1	Насчитал 8 вместо 7 — ошибка счёта.
diffusion-gemma	2	6	9	3.1	Насчитал 6 вместо 7 — ошибка.
GPT-5.6 Terra (low)	2	5	6	2.7	Ответ 8 вместо 7 — ошибка счёта.
GPT-5.6 Terra (med)	2	5	6	2.7	Ответ 8 вместо 7 — ошибка счёта.

На картинке 7 машин (4 сверху, 3 снизу). Большинство ответило 7; лучший — 27b-v2 с подробным корректным перечислением на русском.

count_общее_b609a34468 — Подсчёт машин на парковке

count · промпт 205 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На изображении показана парковка, вид сверху. Сколько всего автомобилей изображено на картинке? Укажите общее число, а также отдельно посчитайте, сколько машин стоит в верхнем ряду и сколько в нижнем ряду.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все числа верны (11 = 6 + 5), причём цвета машин в обоих рядах перечислены точно и совпадают с эталоном. Оформление чёткое и компактное, русский язык безупречен.
Kimi K2.6	10	10	10	10.0	Верно 11/6/5 с явной проверкой суммы 6+5=11.
Qwen3.6-27B-FP8	10	9	10	9.9	Правильные числа 11/6/5, аккуратная разбивка.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верно: 11 всего, 6 в верхнем, 5 в нижнем. Чёткая структура.
diffusion-gemma	10	9	10	9.9	Правильно 11/6/5, добавлено верное наблюдение про параллельную и угловую парковку.
GPT-5.5 (low)	10	9	10	9.9	Верные числа 11/6/5, чёткое оформление.
GPT-5.5 (medium)	10	9	10	9.9	Верные числа 11/6/5, чёткое оформление.
GPT-5.6 Luna (low)	10	9	10	9.9	Верные числа 11/6/5, компактный формат.
GPT-5.6 Luna (med)	10	9	10	9.9	Верные числа 11/6/5, компактный формат.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные числа 11/6/5, компактный формат.
gemma-4-31b	10	8	10	9.8	Верно 11/6/5, кратко и ясно.
GPT-5.6 Sol (low)	10	8	10	9.8	Верно 11/6/5 одной строкой.
GPT-5.6 Sol (med)	10	8	10	9.8	Верно 11/6/5, аккуратный список.
GPT-5.6 Terra (low)	10	8	10	9.8	Верно 11/6/5 одной фразой.
GPT-5.6 Terra (med)	10	8	10	9.8	Верно 11/6/5 одной фразой.
GPT-5.6 Terra (high)	10	8	10	9.8	Верно 11/6/5 одной фразой.
Nemotron-3-Nano-Omni-30B	9	9	9	9.0	Числа верны 11/6/5, перечислены цвета, но красная машина названа оранжевой (две оранжевые).
llama-scout	1	8	9	2.5	Ошибка в подсчёте: 12 всего и 7 в верхнем ряду вместо 11 и 6.

Почти все модели дали верный ответ 11/6/5; kimi-k2.6 и diffusion-gemma добавили корректную проверку/наблюдения. Только llama-scout ошиблась (12, 7+5).

count_нефтегаз_0f07afd16d — Подсчёт резервуаров на нефтебазе

count · промпт 483 симв. · Победитель: Qwen3.6-27B-FP8 · 5.7/10

▸Промпт задачи

На изображении показана нефтебаза (резервуарный парк) — нарисованная иллюстрация с большими цилиндрическими резервуарами для хранения нефтепродуктов, оранжевыми административными зданиями, дорогами и буровой вышкой справа. Посчитайте, сколько крупных круглых вертикальных резервуаров-цистерн (стальных ёмкостей для хранения) изображено на территории нефтебазы. Учитывайте как большие резервуары на переднем плане, так и группу резервуаров справа и в глубине. Назовите итоговое число.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	5	8	9	5.7	Итог 12 (недосчёт), зато подробный разбор по группам и корректное отделение зданий.
gemma-4-31b	5	8	9	5.7	12 с разбивкой на кластеры; число ниже диапазона, но структура ответа хорошая.
Qwen3.6-35B-A3B-FP8	5	6	9	5.5	Названо 12 — ниже верного диапазона 14-18, недосчёт. Без разбора по зонам.
llama-scout	5	6	9	5.5	12 резервуаров — недосчёт относительно эталона (~16), но объект распознан верно.
GPT-5.6 Sol (low)	5	6	9	5.5	12 без разбора, ниже верного диапазона.
GPT-5.6 Sol (med)	5	6	9	5.5	12 без обоснования, недосчёт.
GPT-5.6 Terra (high)	5	6	9	5.5	12 без разбора, ниже диапазона.
GPT-5.6 Luna (low)	5	6	9	5.5	12 без разбора, ниже диапазона.
GPT-5.6 Luna (med)	5	6	9	5.5	12 без обоснования, недосчёт.
GPT-5.6 Luna (high)	5	6	9	5.5	12 без обоснования, недосчёт.
Nemotron-3-Nano-Omni-30B	5	4	5	4.9	Только цифра 12; недосчёт, ответ предельно куцый без текста.
diffusion-gemma	4	7	9	4.8	11 резервуаров — заметный недосчёт, разбивка приблизительная.
GPT-5.5 (low)	4	6	9	4.7	Голое число 11 — ниже диапазона, без обоснования.
GPT-5.5 (medium)	4	6	9	4.7	11 без разбора, недосчёт.
GPT-5.6 Terra (low)	4	6	9	4.7	11 без обоснования, заметный недосчёт.
GPT-5.6 Terra (med)	4	6	9	4.7	11 без разбора, недосчёт.
MiniMax-M3	3	8	9	4.1	Итоговое число 10 существенно ниже засчитываемого диапазона 14-18: модель верно опознала цилиндрические резервуары и не спутала их со зданиями, но сильно недосчитала (особенно правую/заднюю группу, где указано лишь 4 вместо ~10). Разбивка по зонам и оформление аккуратны, русский язык хороший, однако перечисление пунктов носит формальный характер без реальной привязки к геометрии сцены.
Kimi K2.6	3	7	9	4.0	10 резервуаров — сильнее всех недосчитал, хотя разбивка по зонам присутствует.

Все модели недосчитали (10-12 против верных ~14-18). Победитель 27b-v2 ближе к диапазону и дал наиболее осмысленный разбор по зонам.

$Подсчёт машин на парковке$

count_общее_bdc6de54d5 — Подсчёт машин на парковке

count · промпт 266 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

На изображении показан вид сверху на парковку с автомобилями, расставленными вдоль краёв и в центральной «ёлочкой», плюс несколько машин, едущих по проездам (со стрелками направления). Сколько всего легковых автомобилей изображено на картинке? Назови итоговое число.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	10	9	9.9	Итог 23, детальная и точная разбивка по всем зонам, совпадает с эталоном. Лучший ответ.
Qwen3.6-27B-FP8	9	9	9	9.0	Итог 23 верный, разбивка по группам почти совпадает с эталоном, мелкие расхождения в составе ёлочки.
gemma-4-31b	9	9	9	9.0	Итог 23 верный, компактная и правильная разбивка 6+8+7+2.
Kimi K2.6	9	9	9	9.0	Итог 23 верный, корректная разбивка с упоминанием минивэна справа.
GPT-5.6 Sol (low)	9	6	8	8.6	Верный ответ 23 без разбора.
GPT-5.6 Sol (med)	9	6	8	8.6	Верный ответ 23 без обоснования.
GPT-5.6 Luna (low)	9	6	8	8.6	Верный ответ 23 без анализа.
GPT-5.6 Luna (med)	9	6	8	8.6	Верный ответ 23, лаконично без обоснования.
GPT-5.6 Luna (high)	9	6	8	8.6	Верный ответ 23, но без разбора и обоснования.
MiniMax-M3	6	9	9	6.6	Итог 24 вместо эталонных 23: разбивка по группам почти верна, но правая сторона «ёлочки» содержит 3 машины, а розовая нижняя посчитана дважды. Ответ в допустимом диапазоне 22–24, оформление и русский язык отличные.
GPT-5.5 (low)	7	5	4	6.5	Голое число 22 — допустимое приближение, но без обоснования и без русского текста.
GPT-5.5 (medium)	7	5	4	6.5	Голое число 22 — приемлемое приближение, без анализа и текста.
GPT-5.6 Terra (low)	7	5	4	6.5	Голое число 22 — приемлемо, без обоснования.
GPT-5.6 Terra (med)	7	5	4	6.5	Голое число 22 — приемлемое приближение без разбора.
GPT-5.6 Terra (high)	7	5	4	6.5	Голое число 22 — допустимое приближение, без анализа и текста.
diffusion-gemma	6	5	7	6.0	Противоречивый ответ: в начале 21, затем 23 в итоге; путаная логика, хотя финальное число верное.
Nemotron-3-Nano-Omni-30B	6	8	0	5.6	Итог 24 (приемлемо), но центр посчитан как 9 ошибочно, и ответ полностью на английском.
llama-scout	1	7	8	2.3	Насчитал 32 машины с выдуманной разбивкой (10+10+8+4), грубо завышено. Провал по точности.

Правильный ответ 23. Наиболее точный и подробный разбор у 35b-a3b; llama-scout грубо ошибся (32).

count_общее_7eadefdaf7 — Преобладающий цвет машин на стоянке

count · промпт 355 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

На снимке с высоты птичьего полёта показана огромная стоянка (накопительная площадка) с множеством рядов автомобилей. Машины какого цвета здесь явно преобладают (их больше всего)? И какого цвета машины образуют заметное, но небольшое меньшинство, выделяясь яркими отдельными пятнами на общем фоне? Ответь, не пытаясь назвать точное число всех автомобилей.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Чётко и верно: преобладают белые, красные — яркое меньшинство. Кратко, но по сути идеально.
GPT-5.5 (medium)	10	9	10	9.9	Точно и аккуратно оформлено: белые преобладают, красные — заметное меньшинство.
Kimi K2.6	10	9	10	9.9	Идеально: белые/светлые преобладают, красные — яркое меньшинство, с пояснением.
GPT-5.5 (low)	10	8	10	9.8	Точно: преобладают белые, красные — яркое меньшинство. Ясно и верно.
GPT-5.6 Sol (low)	10	8	10	9.8	Точно: белые преобладают, красные — яркое меньшинство.
GPT-5.6 Sol (med)	10	8	10	9.8	Точно и ясно: белые преобладают, красные выделяются яркими пятнами.
GPT-5.6 Terra (low)	10	8	10	9.8	Точно: белые/светлые преобладают, красные — небольшое яркое меньшинство.
GPT-5.6 Terra (med)	10	8	10	9.8	Верно и кратко: преобладают светлые, красные — яркое меньшинство.
GPT-5.6 Terra (high)	10	8	10	9.8	Верно и лаконично: белые преобладают, красные — яркое меньшинство.
GPT-5.6 Luna (low)	10	8	10	9.8	Верно: белые и серые преобладают, красные — меньшинство. Кратко и точно.
GPT-5.6 Luna (med)	10	8	10	9.8	Верно: белые/серые преобладают, красные выделяются яркими пятнами.
GPT-5.6 Luna (high)	10	8	10	9.8	Максимально точно: белые и серебристые преобладают, ярко-красные — меньшинство.
MiniMax-M3	9	9	9	9.0	Верно указано преобладание белых/светлых автомобилей и красные как яркое небольшое меньшинство; не упомянуты многочисленные тёмные авто, но по сути ответ точный, ясный и хорошо оформленный.
Qwen3.6-27B-FP8	8	9	10	8.3	Верно: преобладают белые, меньшинство красные. Но переоценил чёрные как почти равные белым, чего на деле нет.
Nemotron-3-Nano-Omni-30B	8	2	0	6.6	Суть верна (white; red), но ответ на английском, без русского, без структуры и анализа.
gemma-4-31b	5	8	10	5.8	Красные верно, но чёрный отнесён к преобладающим цветам, размывая правильный ответ о доминировании светлых.
diffusion-gemma	5	8	10	5.8	Красные верно, но чёрный/серый неверно указаны как преобладающие наряду с белым.
llama-scout	5	8	9	5.7	Красные названы верно, но чёрный и серый ошибочно поставлены наравне с белым как преобладающие — белые доминируют.

Большинство моделей верно определили доминирование светлых/белых и красное меньшинство; luna-high и kimi наиболее точны, упомянув серебристые оттенки. Модели, назвавшие чёрный преобладающим (llama, gemma, diffusion), снижены.

count_промышленность_a58a0ad046 — Подсчёт транспортных средств на складе

count · промпт 254 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Внимательно рассмотрите фотографию промышленного склада. Сколько единиц колёсной погрузочно-транспортной техники (самоходных машин/тележек для перевозки грузов) изображено в помещении? Назовите их количество и кратко опишите каждую (цвет и расположение).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Верно 2, оба объекта опознаны по цвету и расположению, добавлены разумные пояснения.
gemma-4-31b	10	9	10	9.9	2 единицы, красный погрузчик слева и оранжевый тягач справа — кратко и точно.
GPT-5.5 (medium)	10	9	10	9.9	Верно 2, обоснованно исключил обрезанный фрагмент у края — образцовое рассуждение.
GPT-5.6 Sol (low)	10	9	10	9.9	2 единицы, красный погрузчик с водителем слева и оранжевая тележка справа — точно.
GPT-5.6 Sol (med)	10	9	10	9.9	Верно 2, оба объекта опознаны по цвету, расположению и с оператором — точно.
GPT-5.6 Terra (low)	10	9	10	9.9	Верно 2, цвета и стороны правильные, кратко и ясно.
GPT-5.6 Terra (med)	10	9	10	9.9	2 единицы, красно-чёрный погрузчик слева и оранжевый тягач справа — точно.
GPT-5.6 Terra (high)	10	9	10	9.9	2 единицы, красно-чёрный погрузчик слева и оранжевый электрокар справа — верно.
GPT-5.6 Luna (low)	10	9	10	9.9	2 единицы, красный погрузчик слева и оранжевая тележка справа — верно и лаконично.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	2 единицы, красный погрузчик слева с оператором и оранжевая тележка справа — всё точно и детально.
Kimi K2.6	10	9	9	9.8	2 единицы, красный погрузчик слева с оператором и оранжевая тележка справа — точно и подробно.
GPT-5.6 Luna (med)	10	8	10	9.8	Верно 2, цвета и стороны правильные, изложено кратко.
diffusion-gemma	10	9	7	9.6	Верно 2, цвета и стороны правильные, но опечатка «малогамерный» портит русский.
MiniMax-M3	9	9	10	9.1	Верно названы обе единицы техники: красный вилочный погрузчик с оператором слева и оранжевый грузовой электрокар справа, лишнего не добавлено. Небольшая неточность в деталях (кабина электрокара названа белой, хотя она оранжевая) и вольная привязка к воротам.
GPT-5.6 Luna (high)	9	9	10	9.1	Верно 2, стороны правильные; погрузчик назван «красно-оранжевым», хотя он красный — мелкая неточность цвета.
Nemotron-3-Nano-Omni-30B	9	8	6	8.6	Число и стороны верны, но формулировки («самосвала», «штабельная тележка») коряво по-русски.
llama-scout	6	8	9	6.5	Число 2 верно, красный погрузчик слева опознан правильно, но вторая машина названа жёлтым электропогрузчиком — цвет неверный (она оранжевая).
GPT-5.5 (low)	1	8	9	2.5	Назвал 3, выдумав третью «жёлтую технику» у края — грубая ошибка счёта и галлюцинация.

Правильный ответ — 2 единицы; большинство моделей справились. gpt-5.5-medium выделяется корректным исключением обрезанного объекта; gpt-5.5-low провалился, насчитав 3.

count_промышленность_ba4a6eaa41 — Подсчёт стеллажных рядов на складе

count · промпт 236 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении показан интерьер складского помещения с центральным проходом. Сколько рядов высоких стеллажей (стеллажных стен), заполненных паллетами с грузом, обрамляют центральный проход? Назовите число и укажите, как они расположены.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Точно два ряда слева и справа, отмечена перспектива, хорошее описание.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верно назвал 2 ряда слева и справа, чёткое описание параллельного коридора.
diffusion-gemma	10	9	10	9.9	Правильно два ряда симметрично слева и справа, ясно.
Kimi K2.6	10	9	10	9.9	Два ряда слева и справа, параллельно оси, отличное развёрнутое описание.
gemma-4-31b	10	8	10	9.8	Верно 2 ряда слева и справа, лаконично и точно.
GPT-5.5 (low)	10	8	10	9.8	Точный ответ: 2 ряда, слева и справа.
GPT-5.5 (medium)	10	8	10	9.8	Точный ответ: 2 ряда, слева и справа.
MiniMax-M3	10	9	9	9.8	Верно названо 2 ряда стеллажей слева и справа от прохода, с корректными деталями: многоярусные металлические конструкции, паллеты в стрейч-плёнке, техника в глубине. Ответ точен и информативен, оформление ясное.
GPT-5.6 Sol (low)	10	8	10	9.8	Точный ответ: два ряда, слева и справа.
GPT-5.6 Sol (med)	10	8	10	9.8	Точный ответ: два ряда, слева и справа.
GPT-5.6 Terra (low)	10	8	10	9.8	Верно два ряда по бокам прохода.
GPT-5.6 Terra (med)	10	8	10	9.8	Верно 2 ряда слева и справа от прохода.
GPT-5.6 Terra (high)	10	8	10	9.8	Верно два ряда по бокам прохода.
GPT-5.6 Luna (low)	10	8	10	9.8	Точно два ряда, симметрично с каждой стороны.
GPT-5.6 Luna (med)	10	8	10	9.8	Верно 2 ряда параллельно проходу слева и справа.
GPT-5.6 Luna (high)	10	8	10	9.8	Точно два ряда слева и справа, параллельно.
Nemotron-3-Nano-Omni-30B	10	7	9	9.6	Верно 2, по бокам прохода; кратко и правильно.
llama-scout	1	6	9	2.3	Назвал 6 стеллажных стен с каждой стороны — грубая ошибка, правильный ответ 2.

Почти все модели верно назвали 2 ряда слева и справа; kimi и 27b/35b дали самое полное описание. llama-scout грубо ошиблась (6).

count_промышленность_027fc0f1be — Подсчёт ярусов стеллажа с бутылями воды

count · промпт 288 симв. · Победитель: diffusion-gemma · 9.7/10

▸Промпт задачи

На фотографии показан складской цех с металлическими стеллажами, заполненными большими синими бутылями для воды (19-литровыми). Посмотрите на ближний к зрителю стеллаж справа (вдоль правой стены): сколько на нём горизонтальных ярусов (полок), заставленных синими бутылями? Назовите число.

Модель	C	F	Ru	Σ	Комментарий судьи
diffusion-gemma	10	8	9	9.7	Верно назвал 3 яруса и перечислил нижний/средний/верхний.
Kimi K2.6	10	8	9	9.7	Верно 3, корректно отметил, что выше ярусы с другими товарами.
gemma-4-31b	10	5	5	9.0	Верное «3», но без пояснений.
GPT-5.6 Sol (med)	10	5	5	9.0	Верное «3» без пояснений.
GPT-5.6 Terra (low)	10	5	5	9.0	Верное «3» без пояснений.
GPT-5.6 Terra (med)	10	5	5	9.0	Верное «3» без пояснений.
GPT-5.6 Terra (high)	10	5	5	9.0	Верное «3» без пояснений.
GPT-5.6 Luna (low)	10	5	5	9.0	Верное «3» без пояснений.
Qwen3.6-27B-FP8	1	7	8	2.3	Ответил 4, придумав отдельный «второй ярус»; правильный ответ 3.
llama-scout	1	6	8	2.2	Назвал 6 ярусов вместо 3 — грубая ошибка счёта.
GPT-5.5 (medium)	1	6	8	2.2	«2 яруса» — неверно, их три.
MiniMax-M3	1	6	8	2.2	Назван неверный ответ «2 яруса» вместо правильных 3 (нижний на паллетах, средний и верхний под потолком), причём пояснение про «верхний ряд, уложенный на нижнем» не соответствует картинке — ярусы разделены металлическими балками. Ответ краток и по-русски грамотен, но фактически ошибочен.
Qwen3.6-35B-A3B-FP8	1	4	5	1.7	Голое «4» — неверно, ярусов три.
GPT-5.5 (low)	1	4	5	1.7	Ответ 2 — неверно.
Nemotron-3-Nano-Omni-30B	1	4	5	1.7	Ответ 6 — грубая ошибка.
GPT-5.6 Sol (low)	1	4	5	1.7	Ответ 2 — неверно.
GPT-5.6 Luna (med)	1	4	5	1.7	Ответ 4 — неверно.
GPT-5.6 Luna (high)	1	4	5	1.7	Ответ 5 — неверно.

Верный ответ — 3 яруса. Kimi-k2.6 не только назвал число, но и грамотно пояснил, что выше стоят другие товары.

count_стройка_9b3f889012 — Подсчёт вертикальных стоек на фоне арматуры

count · промпт 358 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

На фотографии на переднем плане лежит связка ржавой стальной арматуры (видны торцы прутьев). На заднем плане за арматурой видна металлическая конструкция с вертикальными опорными стойками (столбами). Сколько отдельных вертикальных металлических стоек (столбов) видно на заднем плане? Учитывай только вертикальные опоры конструкции, а не сами прутья арматуры.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Верно 2 стойки, корректно отделил центральную ферменную линию от опор — точный анализ.
Kimi K2.6	10	9	9	9.8	Верно 2 стойки, отлично объяснил, что центральная линия — часть решётчатой балки, а не опора.
GPT-5.5 (low)	10	8	9	9.7	Верно 2 стойки, кратко и по делу.
GPT-5.5 (medium)	10	8	9	9.7	Верно 2 стойки, чётко и лаконично.
MiniMax-M3	10	8	9	9.7	Ответ верный — 2 вертикальные стойки, с корректным упоминанием проушин (отверстий) наверху и ржавого цвета. Формулировка «симметрично в верхней части кадра» слегка неточна (стойки у левого края и в центре), обоснование краткое, но по сути правильное.
GPT-5.6 Sol (low)	10	7	9	9.6	Верно 2 стойки, кратко без пояснений.
GPT-5.6 Sol (med)	10	7	9	9.6	Верно 2 стойки, лаконично.
GPT-5.6 Terra (low)	10	7	9	9.6	Верно 2 стойки, кратко.
GPT-5.6 Terra (med)	10	7	9	9.6	Верно 2 стойки, кратко.
Qwen3.6-35B-A3B-FP8	9	8	9	8.9	Правильно назвал 2 стойки с отверстиями наверху; лёгкая неточность в 'слева/справа', но суть верна.
Nemotron-3-Nano-Omni-30B	9	3	5	8.0	Ответ '2' верный, но без пояснений и оформления.
GPT-5.6 Terra (high)	9	3	5	8.0	Ответ '2' верный, но голое число без разбора.
diffusion-gemma	2	8	9	3.3	Насчитал 3, центральную часть фермы ошибочно принял за третью стойку.
gemma-4-31b	2	7	9	3.2	Насчитал 3, приняв центральную линию фермы за отдельную стойку — неверно.
GPT-5.6 Luna (med)	2	6	9	3.1	Насчитал 3 — неверно.
GPT-5.6 Luna (high)	2	6	9	3.1	Насчитал 3 — неверно, без обоснования.
llama-scout	1	7	8	2.3	Насчитал 4 стойки — выдумка, на картинке их 2. Развёрнутый формат не спасает грубую ошибку.
GPT-5.6 Luna (low)	1	6	9	2.3	Насчитал 4 — грубая ошибка.

Правильный ответ — 2 стойки. Лучшие 27b-v2 и kimi-k2.6: верный подсчёт с корректным отделением центральной фермы от опор. llama-scout и luna-low провалились с 4.

count_стройка_dcf5668b78 — Подсчёт пучков арматуры на стройплощадке

count · промпт 342 симв. · Победитель: Nemotron-3-Nano-Omni-30B · 9.1/10

▸Промпт задачи

На изображении показаны металлические прутья арматуры, разложенные на деревянных брусьях поверх гравийной поверхности. Прутья сгруппированы в несколько отдельных пучков (связок), вытянутых вдоль кадра. Внимательно посмотрите на картинку и посчитайте, сколько отдельных пучков (продольных групп) арматуры лежит на земле. Ответьте одним числом.

Модель	C	F	Ru	Σ	Комментарий судьи
Nemotron-3-Nano-Omni-30B	10	6	5	9.1	3 — основной правильный ответ (крупные связки).
GPT-5.6 Sol (med)	10	6	5	9.1	3 — основной правильный ответ.
GPT-5.6 Terra (low)	10	6	5	9.1	3 — основной правильный ответ.
MiniMax-M3	8	7	6	7.7	Ответ «4» — допустимый вариант (3 крупные связки плюс частичный пучок справа сверху), но не основной ожидаемый ответ 3. Анализ отсутствует полностью, только число в жирном начертании; русского текста нет, оценивать язык почти не на чем.
Qwen3.6-27B-FP8	8	6	5	7.5	4 — допустимый ответ с учётом частичного пучка справа сверху.
Qwen3.6-35B-A3B-FP8	8	6	5	7.5	4 — допустимый ответ. Анализ не показан.
gemma-4-31b	8	6	5	7.5	4 — допустимый ответ одним числом.
diffusion-gemma	8	6	5	7.5	4 — допустимый ответ.
GPT-5.5 (low)	8	6	5	7.5	4 — допустимый ответ.
GPT-5.5 (medium)	8	6	5	7.5	4 — допустимый ответ.
GPT-5.6 Sol (low)	8	6	5	7.5	4 — допустимый ответ.
GPT-5.6 Terra (med)	8	6	5	7.5	4 — допустимый ответ.
GPT-5.6 Terra (high)	8	6	5	7.5	4 — допустимый ответ.
Kimi K2.6	3	6	5	3.5	5 — завышенный подсчёт, ближе к прутьям, чем к связкам.
GPT-5.6 Luna (low)	3	6	5	3.5	5 — неверный подсчёт связок.
GPT-5.6 Luna (med)	3	6	5	3.5	5 — неверный подсчёт связок.
GPT-5.6 Luna (high)	3	6	5	3.5	5 — неверно, превышает допустимый диапазон 3-4.
llama-scout	1	6	8	2.2	Ответ 6 — считались отдельные прутья, а не связки. Неверно.

Правильный ответ 3 (допустимо 4). Точны nemotron-omni, gpt-5.6-sol-medium, terra-low; ответы 5-6 неверны.

count_нефтегаз_4f03db4072 — Подсчёт крупных резервуаров в переднем ряду нефтебазы

count · промпт 331 симв. · Победитель: llama-scout · 4.6/10

▸Промпт задачи

На фотографии изображён резервуарный парк нефтебазы с белыми вертикальными цилиндрическими стальными резервуарами (РВС) с синими лестницами и ограждениями. Сколько крупных резервуаров видно в переднем (ближнем к зрителю) ряду — то есть тех больших белых цилиндров, что стоят на переднем плане и видны почти целиком? Назовите число.

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	4	7	7	4.6	Назвал 5 — ближе всех к правильным 6-8, но всё ещё занижено. Есть краткое пояснение.
Kimi K2.6	3	8	8	4.0	Ответ 4 занижен, но подробное структурированное перечисление и хороший русский.
diffusion-gemma	3	6	7	3.7	Ответ 4 занижен, но оформлен кратким предложением на нормальном русском.
GPT-5.6 Luna (med)	3	5	6	3.5	Ответ 4 занижен, оформлен коротким словосочетанием.
gemma-4-31b	3	4	5	3.3	Голое число 4 — занижено, без пояснений.
GPT-5.6 Sol (med)	3	4	5	3.3	Голое число 4 — занижено.
GPT-5.6 Terra (med)	3	4	5	3.3	Голое число 4 — занижено.
GPT-5.6 Luna (low)	3	4	5	3.3	Голое число 4 — занижено.
Qwen3.6-27B-FP8	2	7	8	3.1	Ответ 3 сильно занижен, хотя рассуждение структурировано и обоснованно перечисляет объекты.
MiniMax-M3	2	6	8	3.0	Назвал 4 резервуара вместо 7 (допустимый диапазон 6-8) — существенный недосчёт переднего ряда. Ответ дан одной фразой без перечисления и обоснования подсчёта, хотя русский язык корректен.
GPT-5.6 Sol (low)	2	5	6	2.7	Ответ 3 занижен, краткая фраза.
GPT-5.5 (low)	2	4	5	2.5	Голое число 3 — занижено.
GPT-5.6 Terra (high)	2	4	5	2.5	Голое число 3 — занижено.
GPT-5.6 Luna (high)	2	4	5	2.5	Голое число 3 — занижено.
Qwen3.6-35B-A3B-FP8	2	2	6	2.4	Хаотичный поток самопоправок, финальный ответ 3 занижен; формат ужасный из-за многократных метаний.
GPT-5.5 (medium)	1	4	5	1.7	Ответ 2 сильно занижен, без пояснений.
Nemotron-3-Nano-Omni-30B	1	4	5	1.7	Ответ 2 сильно занижен, без пояснений.
GPT-5.6 Terra (low)	1	4	5	1.7	Ответ 2 сильно занижен, без пояснений.

Правильный ответ 7 (допустимо 6-8) не назвал никто; llama-scout с ответом 5 ближе всех и имеет пояснение.

count_промышленность_30f64e4d57 — Сколько ярусов на стеллаже

count · промпт 354 симв. · Победитель: GPT-5.6 Terra (low) · 8.4/10

▸Промпт задачи

На изображении показан складской стеллаж с металлическим каркасом (синие стойки, оранжевые горизонтальные балки), заполненный картонными коробками. Сосчитайте, сколько ярусов (горизонтальных уровней хранения) у стеллажа на переднем плане. Считайте нижний уровень (на полу/основании) и каждый уровень, отделённый оранжевой балкой. Назовите итоговое число.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Terra (low)	9	4	8	8.4	Верный ответ 3 яруса, но без обоснования.
GPT-5.6 Terra (med)	9	4	8	8.4	Правильный ответ 3 яруса, кратко и без разбора.
Qwen3.6-27B-FP8	2	8	8	3.2	Насчитал 4 яруса вместо 3, выдумав лишнюю оранжевую балку. Разбор структурный, но итог неверный.
Qwen3.6-35B-A3B-FP8	2	8	8	3.2	Ответ 4 неверен, упомянул три несуществующие балки. Оформление аккуратное.
diffusion-gemma	2	8	8	3.2	Итог 4 ошибочен, придумал третью оранжевую балку. Структура ясная.
MiniMax-M3	2	8	8	3.2	Насчитал 4 яруса вместо 3, добавив несуществующий уровень под потолком и вторую пару балок. Оформление и русский язык хорошие, но итог неверен.
Kimi K2.6	2	8	8	3.2	Насчитал 4 уровня вместо 3, добавив третью балку. Разбор подробный, но итог ошибочен.
llama-scout	2	7	8	3.1	Ошибочно получил 4 яруса, перечисление уровней шаблонное и неточное.
gemma-4-31b	2	5	8	2.9	4 яруса неверно; выдумал три оранжевые балки вместо двух.
GPT-5.5 (low)	2	4	8	2.8	Кратко назвал 4 яруса — неверно, правильный ответ 3.
GPT-5.5 (medium)	2	4	8	2.8	Ответ 4 без обоснования, неверен.
GPT-5.6 Luna (med)	2	4	8	2.8	Назвал 4 яруса — неверно, правильно 3.
GPT-5.6 Luna (high)	2	4	8	2.8	4 яруса без пояснений — неверно.
GPT-5.6 Sol (low)	2	3	8	2.7	Ответ 4 без обоснования — неверен.
GPT-5.6 Sol (med)	2	3	8	2.7	4 яруса — ошибка счёта.
GPT-5.6 Terra (high)	2	3	8	2.7	Кратко 4 яруса — неверно.
GPT-5.6 Luna (low)	2	3	8	2.7	Краткий ответ 4 — ошибочен.
Nemotron-3-Nano-Omni-30B	2	7	1	2.4	Ответ 4 неверен, к тому же ответ на английском языке.

Правильный ответ 3 яруса дали только gpt-5.6-terra-low и terra-medium; остальные ошибочно насчитали 4, выдумав лишнюю балку.

count_стройка_f73a28b983 — Подсчёт деревянных паллет на нижней полке стеллажа

count · промпт 280 симв. · Победитель: MiniMax-M3 · 9.7/10

▸Промпт задачи

На фото — складское помещение с двухъярусным стеллажом, на котором на деревянных поддонах (паллетах) хранятся стальные отводы (изгибы труб). Посчитайте, сколько деревянных поддонов (паллет) с продукцией видно на НИЖНЕЙ полке стеллажа (та, что стоит прямо на полу). Назовите число.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	8	9	9.7	Назван эталонный ответ — 4 поддона на нижнем ярусе, что полностью совпадает с картинкой. Ответ предельно краток: никакого разбора перспективы или пояснений не приведено, поэтому reasoning средний.
GPT-5.6 Luna (low)	10	6	8	9.4	4 паллеты — точный ответ.
GPT-5.5 (medium)	10	5	5	9.0	4 — точный ответ, голое число.
GPT-5.6 Sol (low)	10	5	5	9.0	4 — точный ответ.
GPT-5.6 Terra (med)	10	5	5	9.0	4 — точный ответ.
GPT-5.6 Terra (high)	10	5	5	9.0	4 — точный ответ.
GPT-5.6 Luna (high)	8	7	8	7.9	3 поддона — допустимо, аккуратный ответ.
GPT-5.6 Luna (med)	8	6	8	7.8	3 паллеты — в пределах допустимого.
GPT-5.5 (low)	8	5	5	7.4	3 — в пределах допустимого, но без обоснования.
GPT-5.6 Sol (med)	8	5	5	7.4	3 — допустимо.
GPT-5.6 Terra (low)	8	5	5	7.4	3 — допустимо.
diffusion-gemma	3	6	8	3.8	5 — близко, но всё же завышено относительно эталона 4.
Kimi K2.6	2	7	8	3.1	6 отводов на нижнем ярусе — завышено, эталон 4.
Nemotron-3-Nano-Omni-30B	2	4	5	2.5	6 — завышено.
Qwen3.6-35B-A3B-FP8	1	6	8	2.2	12 поддонов — сильно завышено.
llama-scout	1	6	8	2.2	Насчитал 9 поддонов — сильно завышено, эталон 4.
gemma-4-31b	1	4	5	1.7	Голое число 12 — неверно.
Qwen3.6-27B-FP8	0	6	8	1.4	30 поддонов — грубейшая галлюцинация, диапазон 28-32 не имеет отношения к картинке.

Эталон — 4 поддона (3 допустимо). Модели GPT-5.5/5.6 дали 3-4; luna-low объединяет точность и естественную формулировку. Остальные (5-30) грубо завысили.

count_стройка_67022ff74d — Подсчёт тонких прутков композитной арматуры внизу

count · промпт 460 симв. · Победитель: Qwen3.6-27B-FP8 · 9.7/10

▸Промпт задачи

На фото изображён пучок композитной (стеклопластиковой) арматуры разного диаметра, веером расходящийся по тёмному фону. В нижней части снимка несколько самых тонких прутков отделяются от основного плотного пучка и тянутся по диагонали к левому нижнему углу, чётко выделяясь на тёмном фоне (между ними видны просветы тёмного фона). Сколько таких тонких прутков, отделённых от основного пучка и видимых отдельно на тёмном фоне в нижней части кадра? Назови число.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	8	9	9.7	Верно 3, с кратким пояснением о расположении прутков.
diffusion-gemma	10	8	9	9.7	Верно 3, ясное описание отделённых прутков.
Kimi K2.6	10	8	9	9.7	Верно 3 с чётким описанием диагонали к левому нижнему углу.
MiniMax-M3	10	6	5	9.1	Ответ «3» полностью совпадает с эталоном — тонкие изолированные прутки внизу слева посчитаны верно. Однако это голая цифра без какого-либо разбора и без русского текста, поэтому reasoning и russian оценить высоко нельзя.
Qwen3.6-35B-A3B-FP8	10	4	5	8.9	Верное число 3, но голый ответ без анализа.
Nemotron-3-Nano-Omni-30B	10	4	5	8.9	Верное число 3, но без анализа.
GPT-5.6 Sol (low)	10	4	5	8.9	Верное число 3, голый ответ.
GPT-5.6 Sol (med)	2	3	5	2.4	Неверно: 4 вместо 3.
GPT-5.6 Terra (low)	2	3	5	2.4	Неверно: 4 вместо 3.
GPT-5.6 Terra (med)	2	3	5	2.4	Неверно: 4 вместо 3.
GPT-5.6 Terra (high)	2	3	5	2.4	Неверно: 4 вместо 3.
GPT-5.6 Luna (low)	2	3	5	2.4	Неверно: 4 вместо 3.
GPT-5.6 Luna (med)	2	3	5	2.4	Неверно: 4 вместо 3.
GPT-5.6 Luna (high)	2	3	5	2.4	Неверно: 4 вместо 3.
llama-scout	1	6	8	2.2	Неверно: назвал 5 тонких прутков вместо 3.
gemma-4-31b	1	3	5	1.6	Неверно: 5, голый ответ.
GPT-5.5 (low)	1	3	5	1.6	Неверно: 5, без обоснования.
GPT-5.5 (medium)	1	3	5	1.6	Неверно: 5, без обоснования.

Правильный ответ 3. Kimi, 27b-v2 и diffusion-gemma дали верное число с пояснением; голые верные ответы у 35b-a3b, nemotron, sol-low.

count_стройка_77ebd9f8df — Проволочные перевязки на пучке арматуры

count · промпт 343 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

На фотографии — связки стальной арматуры (рифлёных прутков) на складе. Главный пучок арматуры, идущий по диагонали через всё изображение, скреплён вязальной проволокой в нескольких местах по своей длине. Посчитайте, сколько отдельных проволочных перевязок (петель/обвязок из проволоки) видно на этом центральном пучке арматуры. Назовите число.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Ответ 3 — эталон, с чётким разбором верхней, средней и нижней перевязок. Лучший ответ.
MiniMax-M3	9	9	9	9.0	Назван эталонный ответ 3 с корректной локализацией каждой перевязки (верхняя с торчащими концами, средняя поперечный виток, правая по диагонали) — совпадает с картинкой. Формулировки вроде «петля-хвост для удержания/развязывания» слегка вольные, но галлюцинаций нет; русский и структура почти безупречны.
GPT-5.5 (medium)	9	5	8	8.5	Ответ 3 — совпадает с эталоном, но без разбора.
GPT-5.6 Luna (low)	9	5	8	8.5	Ответ 3 — верно, минимальное оформление, без разбора.
GPT-5.6 Terra (low)	9	4	5	8.1	Голое число 3 — верно, без пояснений.
GPT-5.6 Terra (med)	9	4	5	8.1	Голое число 3 — верно, но минимум оформления.
GPT-5.6 Terra (high)	9	4	5	8.1	Голое число 3 — верно, но без анализа.
GPT-5.6 Luna (high)	9	4	5	8.1	Голое число 3 — верно, но без анализа и оформления.
Qwen3.6-35B-A3B-FP8	7	7	9	7.2	Ответ 2 — в пределах допустимого. Хорошее объяснение про концы одной перевязки, но недосчитал.
gemma-4-31b	7	6	9	7.1	Ответ 2 — в допустимом диапазоне, но без всякого обоснования.
diffusion-gemma	7	6	9	7.1	Ответ 2 (в пределах допуска) с указанием расположения перевязок; недосчитал одну.
GPT-5.5 (low)	7	5	8	6.9	Ответ 4 — на краю допустимого диапазона, без пояснений.
Kimi K2.6	7	5	8	6.9	Ответ 4 — на границе допуска, без обоснования.
GPT-5.6 Luna (med)	7	5	8	6.9	Ответ 4 — в пределах допуска, без пояснений.
GPT-5.6 Sol (low)	7	4	5	6.5	Голое число 4 — на границе допуска, без анализа.
GPT-5.6 Sol (med)	7	4	5	6.5	Голое число 4 — допустимо, но без обоснования и оформления.
llama-scout	2	6	8	3.0	Назвал 5 (колеблется 5-6), что вне допустимого диапазона 2-4. Признаёт нечёткость, но итог завышен.
Nemotron-3-Nano-Omni-30B	0	1	0	0.1	Ответ 13 — грубая ошибка, вероятно попытка счёта прутков. Провал.

Эталон — 3 перевязки (допустимо 2-4). 27b-v2 дал 3 с полным разбором каждой перевязки. Nemotron (13) — провал, llama-scout (5) — вне диапазона.

count_стройка_ed6b61591b — Подсчёт вертикальных стоек стеллажа с арматурой

count · промпт 335 симв. · Победитель: llama-scout · 8.9/10

▸Промпт задачи

На фото — склад строительной арматуры: пучки металлических прутов уложены в стеллаж, разделённый вертикальными металлическими стойками (коричнево-ржавыми двутавровыми балками-колоннами). Посчитайте, сколько таких вертикальных стоек (опорных колонн стеллажа) полностью видно на изображении вдоль фасада стеллажа. В ответе укажите число.

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	9	8	9	8.9	Назвал 8 — попадает в приемлемый диапазон 6–8, ответ верный, оформлен с пояснением.
MiniMax-M3	2	8	9	3.3	Названо 5 стоек — вне допустимого диапазона 6–8, то есть ответ неверный, хотя объект подсчёта (ржаво-коричневые двутавровые колонны) определён правильно. Формулировка ясная и грамотная, но анализа перспективы и дальних стоек нет.
diffusion-gemma	2	6	8	3.0	Число 4 неверно, хотя ответ сформулирован полным грамотным предложением.
Qwen3.6-27B-FP8	2	2	5	2.3	4 вне диапазона — неверно, без пояснений.
Qwen3.6-35B-A3B-FP8	2	2	5	2.3	Голое число 4 вне диапазона 6–8 — недосчёт, ответ неверный.
gemma-4-31b	2	2	5	2.3	4 — недосчёт, вне диапазона 6–8.
GPT-5.5 (low)	2	2	5	2.3	4 вне диапазона — неверно.
Nemotron-3-Nano-Omni-30B	2	2	5	2.3	5 близко, но всё ещё вне приемлемого диапазона 6–8.
Kimi K2.6	2	2	5	2.3	5 — недосчёт, вне диапазона.
GPT-5.6 Sol (low)	2	2	5	2.3	5 — вне диапазона 6–8.
GPT-5.6 Sol (med)	2	2	5	2.3	5 — вне диапазона.
GPT-5.6 Terra (low)	2	2	5	2.3	4 — неверно.
GPT-5.6 Terra (med)	2	2	5	2.3	5 — вне диапазона.
GPT-5.6 Terra (high)	2	2	5	2.3	5 — вне диапазона.
GPT-5.6 Luna (high)	2	2	5	2.3	4 — неверно.
GPT-5.5 (medium)	1	2	5	1.5	3 — сильный недосчёт, дальше всего от истины.
GPT-5.6 Luna (low)	1	2	5	1.5	3 — сильный недосчёт.
GPT-5.6 Luna (med)	1	2	5	1.5	3 — сильный недосчёт.

Единственный, кто попал в приемлемый диапазон 6–8 (назвал 8) и дал оформленный ответ; остальные систематически недосчитали (3–5).

$Подсчёт горящих ламп на складе$

count_промышленность_826557b639 — Подсчёт горящих ламп на складе

count · промпт 311 симв. · Победитель: Kimi K2.6 · 9.2/10

▸Промпт задачи

На фотографии — центральный проход складского помещения с высокими стеллажами. Под потолком вдоль прохода подвешены круглые промышленные светильники типа «колокол» (high-bay). Сколько ярко СВЕТЯЩИХСЯ (включённых, дающих белое свечение) ламп видно над центральным проходом, уходящим вглубь? Укажите только число.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	7	5	9.2	Точный ответ 4, совпадает с эталоном. Чистое число по инструкции.
MiniMax-M3	6	7	5	6.0	Ответ «3» — погранично близок к эталону 4 (вероятно, пропущена самая дальняя тусклая лампа), что заметно лучше типичных завышений 6-9 у других моделей. Формат минимальный и соответствует требованию «только число», но рассуждений нет и русского текста фактически тоже.
Qwen3.6-35B-A3B-FP8	6	6	5	5.9	Ответ 5 — пограничный, близко к эталону 4, но всё же завышен. Голое число.
Qwen3.6-27B-FP8	3	6	5	3.5	Ответ 6 заметно превышает эталон 4. Просто число без анализа.
gemma-4-31b	3	6	5	3.5	Ответ 6 — завышен относительно 4 ярких ламп.
diffusion-gemma	3	6	5	3.5	Ответ 6 — завышен, вероятно учтены тусклые/тёмные светильники.
GPT-5.5 (medium)	3	6	5	3.5	Ответ 6 — завышен относительно 4 ярких ламп.
GPT-5.6 Terra (high)	3	6	5	3.5	Ответ 6 — завышен относительно 4.
GPT-5.6 Luna (med)	3	6	5	3.5	Ответ 6 — завышен относительно 4.
GPT-5.5 (low)	2	6	5	2.7	Ответ 7 — существенно больше эталонных 4.
GPT-5.6 Sol (med)	2	6	5	2.7	Ответ 7 — существенно больше эталонных 4.
GPT-5.6 Terra (low)	2	6	5	2.7	Ответ 7 — существенно больше эталонных 4.
GPT-5.6 Terra (med)	2	6	5	2.7	Ответ 7 — существенно больше эталонных 4.
llama-scout	1	6	8	2.2	Ответ 9 — сильно завышен, скорее всего сосчитаны тёмные плафоны. Развёрнутое русское предложение.
Nemotron-3-Nano-Omni-30B	1	6	5	1.9	Ответ 9 — грубо завышен, посчитаны тёмные плафоны.
GPT-5.6 Sol (low)	1	6	5	1.9	Ответ 8 — грубо завышен.
GPT-5.6 Luna (low)	1	6	5	1.9	Ответ 8 — грубо завышен.
GPT-5.6 Luna (high)	1	6	5	1.9	Ответ 8 — грубо завышен.

Эталон — 4 ярко горящие лампы; единственный точный ответ дала kimi-k2.6. Остальные завысили (6-9), 35b-a3b с ответом 5 — ближе всех из ошибочных.

count_нефтегаз_6b59ad8850 — Подсчёт резервуаров на нефтегазовом объекте

count · промпт 256 симв. · Победитель: llama-scout · 9.9/10

▸Промпт задачи

На изображении показан нефтегазовый промышленный объект с аэросъёмки. Сколько крупных вертикальных цилиндрических резервуаров (стальных накопительных баков светло-серого цвета) расположено на переднем плане в центральной части снимка? Укажите точное число.

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	10	9	10	9.9	Верно 4, чёткое оформленное предложение с выделением.
MiniMax-M3	10	9	10	9.9	Ответ верный — 4 резервуара, причём модель корректно локализовала каждый из них (два ближних, два дальних), не спутав с мелкими ёмкостями. Оформление ясное, русский безупречный.
Kimi K2.6	10	9	10	9.9	Верно 4, полное предложение с уточнением цвета.
Qwen3.6-27B-FP8	10	8	10	9.8	Верный ответ 4, полное грамотное предложение.
gemma-4-31b	10	8	10	9.8	Верный ответ 4, аккуратное полное предложение.
diffusion-gemma	10	8	10	9.8	Верно 4, полное корректное предложение.
GPT-5.6 Sol (low)	10	8	10	9.8	Верно 4, оформленное предложение.
GPT-5.6 Luna (med)	10	6	8	9.4	Верно 4, краткое "4 резервуара".
GPT-5.6 Luna (high)	10	6	8	9.4	Верно 4, краткая формулировка с существительным.
Qwen3.6-35B-A3B-FP8	10	4	5	8.9	Верное число 4, но голый ответ без пояснений и текста.
GPT-5.5 (low)	10	4	5	8.9	Правильно 4, но лаконичный голый ответ.
GPT-5.5 (medium)	10	4	5	8.9	Правильно 4, без пояснений.
Nemotron-3-Nano-Omni-30B	10	4	5	8.9	Верное число 4, только цифра.
GPT-5.6 Sol (med)	10	4	5	8.9	Правильно 4, только цифра.
GPT-5.6 Terra (low)	10	4	5	8.9	Правильно 4, только цифра.
GPT-5.6 Terra (med)	10	4	5	8.9	Верно 4, голый ответ.
GPT-5.6 Terra (high)	10	4	5	8.9	Верно 4, голый ответ.
GPT-5.6 Luna (low)	10	4	5	8.9	Правильно 4, голый ответ.

Все модели верно назвали 4 резервуара; победитель выделен за наиболее полное и аккуратно оформленное объяснение.

count_нефтегаз_aca6bfa1d4 — Подсчёт нефтяных резервуаров на терминале «Транснефть»

count · промпт 323 симв. · Победитель: GPT-5.6 Luna (high) · 9.6/10

▸Промпт задачи

Перед вами аэрофотоснимок нефтеналивного терминала на берегу залива. На территории расположены крупные белые цилиндрические резервуары для хранения нефти с красными надписями «ТРАНСНЕФТЬ» и «ОГНЕОПАСНО». Посчитайте, сколько таких крупных белых резервуаров (с надписью «ОГНЕОПАСНО») видно на снимке. Назовите итоговое число.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Luna (high)	10	7	9	9.6	Точно 11 — эталонное значение. Краткое обоснование.
Qwen3.6-27B-FP8	8	8	9	8.1	10 — в диапазоне. Ясное деление на три ряда с суммированием.
Qwen3.6-35B-A3B-FP8	8	8	9	8.1	10 — в диапазоне. Подробная разбивка по рядам с номерами, хотя часть нумерации домыслена.
llama-scout	8	6	9	7.9	Назвал 12 — в допустимом диапазоне 10–12. Обоснования нет, только итог.
diffusion-gemma	8	6	9	7.9	10 — в диапазоне. Обоснования нет.
GPT-5.6 Sol (med)	8	6	9	7.9	12 — в диапазоне. Без обоснования.
GPT-5.6 Terra (low)	8	6	9	7.9	10 — в диапазоне. Без обоснования.
GPT-5.6 Terra (med)	8	6	9	7.9	12 — в диапазоне. Без разбора.
GPT-5.6 Terra (high)	8	6	9	7.9	10 — в диапазоне. Краткий итог без разбора.
Nemotron-3-Nano-Omni-30B	8	5	6	7.5	10 — в диапазоне. Только число без анализа.
Kimi K2.6	3	8	9	4.1	9 — вне диапазона, недосчёт, хотя разбор по рядам и учёт мелких резервуаров грамотные.
gemma-4-31b	3	6	9	3.9	9 — вне допустимого диапазона (10–12), недосчёт. Без обоснования.
GPT-5.6 Sol (low)	3	4	6	3.4	9 — вне диапазона. Голое число.
MiniMax-M3	2	6	8	3.0	Объекты распознаны верно (крупные белые резервуары «ТРАНСНЕФТЬ/ОГНЕОПАСНО»), но названо 9 — вне допустимого диапазона 10–12, то есть ответ неверный. Никакого разбора по рядам нет, только одно предложение; русский язык хороший.
GPT-5.6 Luna (low)	2	5	9	3.0	8 — вне диапазона, недосчёт.
GPT-5.6 Luna (med)	2	5	9	3.0	8 — вне диапазона, недосчёт.
GPT-5.5 (low)	2	4	6	2.6	8 — вне диапазона, серьёзный недосчёт. Голое число.
GPT-5.5 (medium)	2	4	6	2.6	8 — вне диапазона, недосчёт. Только число.

Точно 11 резервуаров назвал только gpt-5.6-luna-high — единственное эталонное попадание. Модели с 10/12 в допустимом диапазоне, а 8–9 — вне диапазона (недосчёт).

count_промышленность_f1193958bc — Подсчёт вертикальных синих стоек стеллажа

count · промпт 278 симв. · Победитель: GPT-5.6 Terra (med) · 8.6/10

▸Промпт задачи

На фотографии склада изображены металлические паллетные стеллажи с синими вертикальными стойками (колоннами) и оранжевыми горизонтальными балками. Посчитайте, сколько отдельных вертикальных синих стоек (колонн) стеллажных рам видно на изображении. В ответе укажите только число.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Terra (med)	9	8	6	8.6	6 — точно в наиболее обоснованном диапазоне 5-6, верный ответ.
GPT-5.5 (medium)	4	8	6	4.6	7 — близко, но вне диапазона 5-6.
Nemotron-3-Nano-Omni-30B	3	8	6	3.8	8 — на верхней границе завышения, неверно.
Kimi K2.6	3	8	6	3.8	8 — на границе, неверно.
GPT-5.6 Terra (low)	3	8	6	3.8	8 — на верхней границе, неверно.
GPT-5.5 (low)	2	8	6	3.0	9 — чуть выше допустимого порога 8, неверно.
gemma-4-31b	1	8	6	2.2	10 — больше 8, неверно.
diffusion-gemma	1	8	6	2.2	12 — завышено, неверно.
GPT-5.6 Sol (low)	1	8	6	2.2	10 — больше 8, неверно.
GPT-5.6 Sol (med)	1	8	6	2.2	12 — завышено, неверно.
GPT-5.6 Terra (high)	1	8	6	2.2	11 — завышено, неверно.
GPT-5.6 Luna (low)	1	8	6	2.2	10 — больше 8, неверно.
GPT-5.6 Luna (med)	1	8	6	2.2	11 — завышено, неверно.
GPT-5.6 Luna (high)	1	8	6	2.2	13 — сильно завышено.
Qwen3.6-27B-FP8	1	7	6	2.1	13 — сильно завышено, неверно.
Qwen3.6-35B-A3B-FP8	1	7	6	2.1	10 — больше 8, неверно.
MiniMax-M3	1	6	5	1.9	Ответ «12» вдвое превышает реально различимое число вертикальных синих стоек (5-6) и попадает в зону явно неверных значений (>8), вероятно из-за подсчёта секций/балок вместо колонн. Формат соблюдён (только число), но никакого анализа и русского текста в ответе нет.
llama-scout	0	6	7	1.3	Ответ 17 — грубо завышен, реально видно 5-6 синих стоек. Полное предложение, но число неверно.

Единственный точный ответ (6) дал gpt-5.6-terra-medium; большинство моделей сильно завысили число (10-17).

Дашборды (BI)

dashboard_дата-аналитика_29ea38e2b3 — Анализ месячной динамики на дашборде Revenue Opportunities

dashboard · промпт 587 симв. · Победитель: GPT-5.6 Terra (high) · 9.8/10

▸Промпт задачи

Перед тобой дашборд Power BI «Revenue Opportunities Report». Изучи карточки ключевых показателей вверху слева и комбинированную диаграмму «Revenue и Opportunity Count по Month» (столбцы — Revenue, жёлтая линия — Opportunity Count). Ответь на вопросы: 1) Чему равны два главных KPI — Opportunity Revenue и Opportunity Count? 2) В каком месяце Revenue (высота столбца) достигает локального максимума в первом полугодии, и в каком месяце находится годовой пик/наибольший столбец? 3) Опиши аномалию в динамике по месяцам: что происходит со значениями сразу после первого пика и в конце года.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Terra (high)	10	9	9	9.8	Все факты верны, отдельно отмечен резкий обвал жёлтой линии Opportunity Count в июле — самый детальный корректный анализ.
Qwen3.6-27B-FP8	9	9	9	9.0	Все факты верны, чёткое разделение локального максимума и годового пика, аномалия описана полно.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Оба KPI, июнь и декабрь названы верно, аномалия (спад после июня + декабрьский всплеск) описана точно и структурированно.
GPT-5.6 Sol (low)	9	9	9	9.0	Все факты верны, добавлены разумные оценки высоты столбцов (~0,29 и ~0,35 млрд), богатый анализ.
GPT-5.6 Sol (med)	9	9	9	9.0	Верные KPI, месяцы и полная аномалия с разворотом в ноябре-декабре.
GPT-5.6 Terra (low)	9	9	9	9.0	Верные KPI, месяцы и аномалия, аккуратно и кратко.
GPT-5.6 Terra (med)	9	9	9	9.0	Все факты верны, ясное описание спада после июня и декабрьского скачка.
GPT-5.6 Luna (low)	9	9	9	9.0	Верные KPI, месяцы и аномалия, чёткая структура.
GPT-5.6 Luna (med)	9	9	9	9.0	Все факты верны, ясное и корректное описание динамики.
GPT-5.6 Luna (high)	9	9	9	9.0	Все факты верны, аккуратное краткое описание аномалии с ростом в ноябре и пиком в декабре.
GPT-5.5 (low)	9	8	9	8.9	Все факты верны, аномалия описана сжато но точно.
GPT-5.5 (medium)	9	8	9	8.9	Верные KPI, месяцы и аномалия, ясное изложение.
Nemotron-3-Nano-Omni-30B	9	8	9	8.9	Все факты верны, лаконично и корректно, спад до августа/сентября и рост в конце года указаны.
diffusion-gemma	9	8	8	8.8	KPI, июнь и декабрь верны, аномалия описана хорошо; мелкая опечатка 'вто половину'.
Kimi K2.6	9	7	5	8.4	Факты и анализ верны, но текст засорён иероглифами (типичное, culminates), что сильно снижает качество русского.
MiniMax-M3	8	9	9	8.2	Все ключевые факты верны: оба KPI ($1,97 млрд и 444), июньский локальный максимум, декабрьский годовой пик и провал июль-ноябрь с последующим всплеском. Снижение за неточные числовые оценки по вспомогательной оси (Opportunity Count в июне назван ~85-90 и падение до ~40, тогда как реально пик ~70 и провал ниже 20) и за сомнительную ремарку про пунктирную линию $0,4 млрд у декабрьского столбца.
llama-scout	8	6	7	7.7	Факты верны, но неопрятное LaTeX-оформление ($444$, $Revenue$) портит читаемость и русский.
gemma-4-31b	2	7	8	3.1	Грубая ошибка: локальный максимум назван март, спад в апреле — не соответствует картинке, где пик в июне.

Подавляющее большинство моделей точно назвали оба KPI, июнь и декабрь и описали аномалию; terra-high выделяется деталью про обвал Opportunity Count. Провалилась только gemma-4-31b (март вместо июня).

dashboard_дата-аналитика_466b20927e — Power BI: показатели и аномалия в Trial Balance

dashboard · промпт 515 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

Перед тобой дашборд Microsoft Power BI по данным Microsoft Dynamics NAV. Ответь строго по тому, что видно на изображении: 1) Какое значение показателя выведено в плитке «Sales This Month» (большая цифра вверху слева)? 2) В таблице «Trial Balance» (правый нижний угол), в колонке Net_Change_Actual, какое значение указано для строки «Total Revenue»? 3) В этой же таблице найди строки с отрицательными (аномальными для большинства показателей) значениями Net_Change_Actual и назови такую строку вместе с её значением.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Все три факта верны (79K, 1 692 000, Total Cost -391 080), аккуратно оформлено.
llama-scout	10	9	9	9.8	Все три факта верны, хорошо структурировано с заголовками.
MiniMax-M3	10	9	9	9.8	Все три факта названы верно: 79K, Total Revenue = 1,692,000.00 и Total Cost = -391,080.00 как единственная отрицательная строка. Оформление ясное, русский корректный; мелкая неточность — Total Revenue назван последней строкой таблицы (это так по порядку, но добавлено без нужды).
Kimi K2.6	10	9	9	9.8	Все верно, отмечено что Total Cost — единственная отрицательная строка; хорошая полнота.
GPT-5.6 Sol (low)	10	9	9	9.8	Все верно, подписаны названия плиток/строк, ясно.
GPT-5.6 Sol (med)	10	9	9	9.8	Все верно, подписаны названия плиток/строк, ясно.
GPT-5.6 Terra (high)	10	9	9	9.8	Все три факта верны, чисто оформлено.
GPT-5.5 (low)	10	8	8	9.6	Все факты верны, компактно и по делу.
GPT-5.5 (medium)	10	8	8	9.6	Все факты верны, аккуратно оформлено.
GPT-5.6 Terra (med)	10	8	8	9.6	Все три факта верны, кратко и точно.
GPT-5.6 Luna (low)	10	8	8	9.6	Все три факта верны, лаконично.
GPT-5.6 Luna (med)	10	8	8	9.6	Все три факта верны, лаконично.
GPT-5.6 Luna (high)	10	8	8	9.6	Все три факта верны, лаконично.
diffusion-gemma	10	8	7	9.5	Все три факта верны; мелкая опечатка в начале ('сновываясь').
gemma-4-31b	10	7	7	9.4	Все верно, но очень кратко и без пояснений.
Qwen3.6-35B-A3B-FP8	10	7	6	9.3	Все верно, но предельно телеграфно, почти без русского текста.
GPT-5.6 Terra (low)	4	7	7	4.6	Выдумал Other Expenses как -73 520 (на деле положительное) — ложная отрицательная строка.
Nemotron-3-Nano-Omni-30B	4	7	6	4.5	Total Revenue назван как 1 692 000 000 — ошибка в тысячу раз; Q1 и Q3 верны.

Большинство моделей дали все три верных факта; kimi-k2.6 выделяется полнотой (отметил единственность отрицательной строки). Ошиблись nemotron-omni (Q2 в 1000 раз больше) и terra-low (ложная отрицательная строка).

dashboard_дата-аналитика_e9956fc1c3 — Маржинальность по направлениям на Power BI

dashboard · промпт 385 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На дашборде Power BI «Анализ продаж и запасов оборудования» посмотри на диаграмму «Маржинальность по направлениям бизнеса». Назови направление бизнеса с самой высокой маржинальностью и укажи его значение в процентах. Также назови два направления с самой низкой маржинальностью и их значения. Чему равен показатель KPI «Продажи» (верхняя карточка) и показатель «Обор-ть товаров в днях»?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью корректно, все значения и KPI совпадают с картинкой. Ясная нумерация.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все факты верны: лидер Кабели и аксессуары 35,8%, аутсайдеры Управление 16,6% и Оборудование PMC 16,2%, оба KPI точны. Чёткая структура.
llama-scout	10	9	10	9.9	Все данные верны, развёрнутый структурированный ответ с заголовками. Хороший русский.
gemma-4-31b	10	9	10	9.9	Все факты точны, лаконичный аккуратный список. КПИ и проценты верны.
GPT-5.5 (low)	10	9	10	9.9	Все факты и KPI точны, чёткий сжатый формат.
GPT-5.5 (medium)	10	9	10	9.9	Идентично верный ответ, все значения совпадают с картинкой.
Kimi K2.6	10	9	10	9.9	Все факты точны, добавлен полезный контекст (руб., дни). Отличная структура.
GPT-5.6 Sol (low)	10	9	10	9.9	Верно определены лидер, аутсайдеры и оба KPI. Чистый русский.
GPT-5.6 Sol (med)	10	9	10	9.9	Все данные корректны, ясная структура.
GPT-5.6 Terra (low)	10	9	10	9.9	Все факты и KPI точны, компактный список.
GPT-5.6 Terra (med)	10	9	10	9.9	Полностью корректный ответ, все значения совпадают с картинкой.
GPT-5.6 Luna (low)	10	9	10	9.9	Полностью корректный ответ, все проценты и KPI совпадают.
GPT-5.6 Luna (med)	10	9	10	9.9	Все факты точны, аккуратный формат.
GPT-5.6 Luna (high)	10	9	10	9.9	Все значения и KPI верны, компактный ясный список.
MiniMax-M3	10	9	8	9.7	Все факты верны: лидер «Кабели и аксессуары» 35,8%, аутсайдеры «Управление» 16,6% и «Оборудование PMC» 16,2%, KPI 319,35 млн и 7 040; добавлен корректный анализ разрыва и связи с коэффициентом оборачиваемости. Минусы — согласование («IPTV и цифровое вывески») и избыточные эмодзи/декор в оформлении.
Nemotron-3-Nano-Omni-30B	10	8	6	9.4	Данные верны, но вставлено английское «Две lowest» и капс «МЛН», что портит русский.
diffusion-gemma	10	7	6	9.3	Значения верны, но текст засорён дублями и калькой («Оборудование PMC PMC оборудование»), русский страдает.
GPT-5.6 Terra (high)	8	8	9	8.1	Значения и KPI верны, но направление названо «Управление РМС» вместо «Управление» — лишняя приписка к имени.

Почти все модели ответили безупречно; выделен 35b-a3b за точность и чёткую структуру. terra-high потерял балл за «Управление РМС», diffusion-gemma и nemotron-omni — за качество русского.

dashboard_дата-аналитика_e3bf79ccc2 — Продажи по странам в Power BI: лидер и аномалия

dashboard · промпт 491 симв. · Победитель: GPT-5.6 Sol (low) · 9.7/10

▸Промпт задачи

Перед вами дашборд «Sales Report» в Power BI Desktop. В верхней части панели расположен ряд карточек с показателями продаж (Sales Amount) по странам. Выпишите значение для каждой страны из этого ряда карточек, затем определите: 1) какая страна имеет максимальные продажи и насколько её показатель превосходит ближайшего конкурента; 2) есть ли среди стран две с одинаковым значением — если да, назовите их и значение. Сформулируйте краткий вывод об аномалии в распределении продаж по странам.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Sol (low)	10	8	9	9.7	Все верно: лидер USA 21.8M, разрыв 16.5M, >4x, пара Australia&Canada 5.3M. Кратко и точно.
GPT-5.6 Sol (med)	10	8	9	9.7	Полностью корректно: USA 21.8M лидер, 16.5M и >4x над Australia&Canada 5.3M, пара названа верно. Ясный вывод.
diffusion-gemma	10	9	7	9.6	Все значения и страны верны: USA 21.8M, разрыв 16.5M, ~4x, пара Australia&Canada. Портят лишь опечатки ('номалия','взя вместе').
GPT-5.6 Terra (med)	10	8	8	9.6	Все верно: USA 21.8M лидер, 16.5M и >4x над Australia&Canada 5.3M, пара названа корректно.
GPT-5.6 Terra (high)	10	8	8	9.6	Все значения и страны верны: USA 21.8M, 16.5M, пара Australia&Canada. Мелкая опечатка (лишний backtick).
gemma-4-31b	4	8	8	4.8	Структура верна (лидер 21.8M, 16.5M, 4x, пара Australia&Canada верно), но лидер ошибочно назван UK вместо USA (перепутаны USA и UK).
Qwen3.6-35B-A3B-FP8	3	7	8	3.9	Верно уловил структуру (лидер 21.8M, разрыв 16.5M, ~4x, пара 5.3M), но грубо переврал названия стран: лидер 'New Zealand', пара US&Canada.
GPT-5.6 Luna (low)	3	7	8	3.9	Лидер ошибочно Germany 21.8M, пара US&Canada. Значения и логика верны, но названия стран перепутаны.
GPT-5.6 Luna (med)	3	7	8	3.9	Лидер назван Germany вместо USA, пара US&Canada вместо Australia&Canada. Числа и структура верны.
GPT-5.6 Luna (high)	3	7	8	3.9	Структура верна (лидер 21.8M, 16.5M), но лидер назван Germany вместо USA, пара US&Canada вместо Australia&Canada.
MiniMax-M3	2	9	9	3.4	Суммы прочитаны верно и лидер USA ($21.8M, +$16.5M, ~4.1x) определён, но карточка Canada ошибочно названа 'United States', из-за чего пара с одинаковым значением указана неправильно (United States вместо Canada). На этой галлюцинации построен целый ложный вывод о дублирующейся категории стран в модели данных, чего на изображении нет.
Nemotron-3-Nano-Omni-30B	3	7	1	3.2	Ответ полностью на английском. Структура верна (лидер 21.8M, 16.5M, пара 5.3M), но лидер назван 'China', пара US&Canada.
Qwen3.6-27B-FP8	2	7	8	3.1	21.8M ошибочно назван Total, лидер не выявлен; максимум US&Canada 5.3M. Хорошее рассуждение про Units, но ключевая аномалия пропущена.
GPT-5.6 Terra (low)	2	7	8	3.1	Только 5 стран, USA 21.8M пропущена; максимум Australia&Canada 5.3M, разрыв 2.0M. Пара верна, но ключевая аномалия упущена.
GPT-5.5 (low)	1	6	8	2.2	Всего 5 стран, 21.8M пропущен, выдумана Mexico; лидер US&Canada 5.3M. Аномалия не найдена.
GPT-5.5 (medium)	1	6	8	2.2	5 стран, 21.8M пропущен, выдумана Mexico; максимум US&Canada 5.3M. Ключевая аномалия упущена.
Kimi K2.6	1	6	8	2.2	5 стран, лидер ошибочно 'France' 21.8M, и ошибочно заявлено об отсутствии одинаковых значений — пара Australia&Canada пропущена.
llama-scout	1	6	7	2.1	Максимум $21.8M ошибочно назван Total, лидер USA не выявлен; пара названа US&Canada вместо Australia&Canada. Главная аномалия упущена.

Полностью верные ответы у diffusion-gemma, sol-low/medium, terra-high/medium; победитель sol-medium за точность, качественный анализ и чистый русский. Много моделей перепутали названия стран лидера или совсем пропустили USA=21.8M.

dashboard_маркетинг_5a7e1af04e — Источники трафика и аномалия отказов на маркетинговой панели

dashboard · промпт 705 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед тобой маркетинговый дашборд за период 01-10 авг. Ответь на вопросы, опираясь СТРОГО на данные с панели: 1) В виджете «Источник трафика» (всего 1 189): какой источник даёт больше всего переходов и сколько это в абсолютном значении и в процентах? Назови также источник на втором месте с его числом и долей. 2) В виджете «Релевантность сайта» показатель «Отказы» равен 11,26% и помечен зелёной стрелкой с подписью +8%. Объясни, почему именно этот рост является негативной (плохой) динамикой для сайта, в отличие от роста других метрик. Это и есть аномалия, которую нужно заметить. 3) Сколько составляет показатель «Новые посетители» и на сколько процентов он изменился относительно предыдущего периода?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Идеально: все факты точны, глубокое объяснение аномалии отказов с противопоставлением другим метрикам.
Kimi K2.6	10	10	10	10.0	Идеально: все факты точны, глубокий анализ с конкретными числами глубины (2,45→2,6) и отказов.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три ответа верны (406/34%, 365/31%, 583/+7%), корректно объяснён рост отказов как негатив.
gemma-4-31b	10	9	10	9.9	Все данные верны, ясное и корректное объяснение негативной динамики отказов.
GPT-5.5 (low)	10	9	10	9.9	Все ответы верны, кратко и по делу, объяснение отказов корректное.
GPT-5.5 (medium)	10	9	10	9.9	Все данные точны, чёткое объяснение негативности роста отказов.
GPT-5.6 Sol (low)	10	9	10	9.9	Верные данные, чёткое объяснение отказов как негативной метрики.
GPT-5.6 Sol (med)	10	9	10	9.9	Все ответы точны, хорошее объяснение с указанием ухудшения вовлечённости.
GPT-5.6 Terra (low)	10	9	10	9.9	Все данные верны, ясное краткое объяснение негативности роста отказов.
GPT-5.6 Terra (med)	10	9	10	9.9	Все факты точны, корректное определение отказов и объяснение негатива роста.
GPT-5.6 Terra (high)	10	9	10	9.9	Верные факты, корректно отмечена аномалия индикации, но объяснение сжатое.
GPT-5.6 Luna (low)	10	9	10	9.9	Верные ответы, ясное краткое объяснение негативного роста отказов.
GPT-5.6 Luna (med)	10	9	10	9.9	Все факты точны, лаконичное корректное объяснение.
GPT-5.6 Luna (high)	10	9	10	9.9	Все данные верны, объяснение отказов корректное, но краткое.
Nemotron-3-Nano-Omni-30B	10	9	9	9.8	Верные факты и хорошее объяснение, формулировка 'нарушает баланс' немного размыта.
llama-scout	10	7	9	9.6	Данные верны, но неуместное LaTeX-оформление ($...$) портит читаемость русского текста.
diffusion-gemma	9	9	7	8.8	Данные верны, но есть речевые огрехи ('того, что и, или') и неточность 'просмотрев ни одной страницы'.
MiniMax-M3	4	8	9	4.9	Пункт 1 верен (406/34% и 365/31%) и суть негативности роста отказов объяснена, но грубо перевраны знаки динамики: «Новые посетители» указаны как -7% вместо +7%, а глубина просмотра и время на сайте объявлены упавшими на 6% (на картинке зелёный рост +6%), плюс домыслен вывод о «согласованной негативной картине». Формат и русский на высоком уровне, но фактические ошибки серьёзные.

Почти все модели дали верные ответы; kimi-k2.6 и 27b-v2 выделяются глубиной анализа с конкретными числами, победитель kimi-k2.6.

dashboard_маркетинг_88b983968b — Соотношение новых и всех посетителей в Яндекс.Метрике

dashboard · промпт 414 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

На скриншоте — панель Яндекс.Метрики для сайта msosnina.ru («Психолог онлайн») за период 13 сен — 12 окт 2018. Посмотрите на виджеты «Посетители» и «Новые посетители». Назовите числовое значение каждого из них, посчитайте долю новых посетителей от общего числа (в процентах, округлите до целого) и объясните, на какую особенность аудитории это указывает. Также укажите значение показателя «Отказы» и его изменение.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все числа верны (438, 428, 98%, 45,8%, +1,99%), глубокий и разносторонний вывод об отсутствии повторной аудитории.
gemma-4-31b	10	9	10	9.9	Все значения верны, точный вывод про 'холодный' одноразовый трафик и отсутствие возвратов.
diffusion-gemma	10	9	10	9.9	Числа верны, корректный вывод; трактовка 'новый проект' менее точна, чем про рекламный трафик.
Kimi K2.6	10	9	10	9.9	Все факты точны, глубокий вывод про разовый запрос тематики 'психолог онлайн' и низкий возврат.
Qwen3.6-27B-FP8	10	9	9	9.8	Все факты точны, хороший анализ низкой лояльности и смысла роста отказов; лёгкая опечатка ('Так высокая').
GPT-5.5 (low)	10	8	10	9.8	Все факты верны, сжатый но корректный вывод о преобладании первичного трафика.
GPT-5.5 (medium)	10	8	10	9.8	Числа верны, вывод про слабое ядро возвращающейся аудитории верный, но кратко.
GPT-5.6 Sol (low)	10	8	10	9.8	Все верно, добавлена оценка доли возвращающихся ~2%, ясный вывод.
GPT-5.6 Sol (med)	10	8	10	9.8	Числа верны, хороший баланс: приток новой аудитории при низком возврате ~2%.
GPT-5.6 Terra (low)	10	8	10	9.8	Числа верны, сжатый верный вывод про первичный трафик.
GPT-5.6 Terra (med)	10	8	10	9.8	Все значения верны, краткий корректный вывод о преобладании новых посетителей.
GPT-5.6 Terra (high)	10	8	10	9.8	Все факты верны, краткий корректный вывод об отсутствии повторных визитов.
GPT-5.6 Luna (low)	10	8	10	9.8	Все факты верны, сжатый корректный вывод о малом числе постоянных посетителей.
GPT-5.6 Luna (med)	10	8	10	9.8	Числа верны, аккуратный краткий вывод про почти полностью новую аудиторию.
GPT-5.6 Luna (high)	10	8	10	9.8	Числа верны, вывод корректный но краткий про преобладание новых пользователей.
llama-scout	10	8	8	9.6	Числа верны, развёрнутый анализ, но есть спекуляции про usability/скорость загрузки и вкрапление англ. 'relevancy'.
Nemotron-3-Nano-Omni-30B	10	6	9	9.5	Все значения верны, но ответ предельно телеграфный, анализ минимален.
MiniMax-M3	9	9	9	9.0	Все проверяемые факты верны: 438 и 428, доля 97,7% ≈ 98%, отказы 45,8% с ростом +1,99%, вывод о доминировании новых посетителей корректен. Небольшая небрежность формулировки («каждый из 100 зашедших — новый» вместо ~98 из 100) и лёгкая избыточность.

Все модели верно назвали 438, 428, ~98%, 45,8% и +1,99%; победа за глубину анализа (35b-a3b, gemma-4-31b, kimi-k2.6). 35b-a3b дал самый разносторонний вывод.

dashboard_маркетинг_b74bd5b1d8 — Сравнение конверсий «Ваш сайт» vs «Конкуренты»

dashboard · промпт 551 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед вами дашборд «Средние показатели продаж по рынку», где по каждому показателю сравниваются значения «Ваш сайт» и «Конкуренты» за период 20.01 – 16.02. Используя блок «Общие показатели продаж», ответьте: 1) Какое значение конверсии в покупку у вашего сайта и какое у конкурентов? 2) Во сколько примерно раз ваша конверсия в покупку превосходит конкурентов? 3) По какому из трёх показателей конверсии («в просмотры товаров», «в корзину», «в покупку») относительный отрыв вашего сайта от конкурентов наибольший? Назовите конкретные числа с дашборда.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все числа верны (1,71/0,89), отношение 1,92, максимальный отрыв корректно определён по конверсии в покупку с полным сравнением. Отличный структурированный ответ.
MiniMax-M3	10	10	10	10.0	Все числа считаны верно (1,71 % vs 0,89 %), отношение ~1,92 раза вычислено правильно, показатель с максимальным относительным отрывом определён верно. Таблица со сравнением всех трёх конверсий делает ответ образцовым по структуре и языку.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верные числа и отношение ~1,9, показатель определён правильно с сравнительными расчётами. Чёткий ответ.
gemma-4-31b	10	9	10	9.9	Верные значения, отношение 1,92, правильный вывод с полным сравнением всех трёх конверсий.
GPT-5.5 (low)	10	9	10	9.9	Все числа и отношение верны, показатель определён правильно с разбором трёх конверсий.
GPT-5.5 (medium)	10	9	10	9.9	Верные значения, ~1,9 раза, корректное сравнение всех конверсий. Аккуратный ответ.
Kimi K2.6	10	9	10	9.9	Верные числа, ~1,92 раза, правильный вывод с сравнением двух других конверсий.
GPT-5.6 Sol (low)	10	9	10	9.9	Верные числа, отношение 1,92, полное сравнение трёх конверсий. Чёткий ответ.
GPT-5.6 Sol (med)	10	9	10	9.9	Все данные верны, ~1,9 раза, правильный показатель с разбором всех конверсий.
GPT-5.6 Terra (low)	10	9	10	9.9	Числа верны, вывод правильный; сравнение приведено числами, но без явных отношений по каждому.
GPT-5.6 Terra (med)	10	9	10	9.9	Всё верно: значения, ~1,9 раза, правильный показатель с сравнительными расчётами.
GPT-5.6 Terra (high)	10	9	10	9.9	Верные значения и отношение, показатель определён правильно с полным сравнением.
llama-scout	10	9	9	9.8	Единственный, кто корректно вычислил именно относительный отрыв в процентах (46%/15%/92%), полностью совпадая с эталоном. Обилие LaTeX слегка утяжеляет текст.
GPT-5.6 Luna (low)	10	8	10	9.8	Верные значения и вывод, но Q3 без сравнения остальных показателей.
GPT-5.6 Luna (med)	10	8	10	9.8	Всё верно, но краткий ответ без полного сравнения относительных отрывов.
GPT-5.6 Luna (high)	10	8	10	9.8	Числа и отношение верны, показатель назван верно, но без сравнительного разбора трёх конверсий.
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Кратко, но все числа и отношения верны, показатель определён правильно с сравнением. Минимальное форматирование.
diffusion-gemma	10	9	7	9.6	Данные и вывод верны, есть полное сравнение. Первое слово искажено («Овываясь»), русский слегка страдает.

Почти все модели дали верные числа и правильный вывод. llama-scout единственный корректно посчитал именно относительный отрыв в процентах (92% против 46% и 15%), точно совпав с эталоном.

dashboard_маркетинг_2736e486c5 — Аномалия трафика в Яндекс.Метрике

dashboard · промпт 561 симв. · Победитель: Kimi K2.6 · 9.9/10

▸Промпт задачи

Перед тобой панель веб-аналитики Яндекс.Метрики за неделю (28 мар — 3 апр), раздел «Посещаемость сайта». На столбчатой диаграмме показаны три метрики по дням: Визиты, Посетители и Просмотры. 1) Назови день недели, в котором наблюдается явная аномалия (резкий провал по всем трём метрикам), и опиши, в чём аномалия. 2) Сверху в блоке «Общие показатели» приведены итоговые значения и проценты изменения. Выпиши все три показателя (Просмотры, Визиты, Посетители) с их числовыми значениями и процентами изменения, и сделай вывод об общей динамике трафика за неделю.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	9	10	9.9	Эталонный ответ: 03.04, все KPI, оценка масштаба провала и корректная гипотеза о неполноте данных, таблица.
MiniMax-M3	9	10	10	9.2	Все KPI и проценты сняты верно, аномалия 03.04 определена точно, оценки высот столбцов адекватны; лёгкий минус за недоказуемое указание дня недели ('четверг') и небольшое противоречие в выводе (сначала исключает сбой счётчика, затем советует его проверить).
Qwen3.6-27B-FP8	9	8	9	8.9	03.04 и все KPI верны, хороший разбор гипотез (сбой/падение). Ошибочно назван день недели (среда), но это не требовалось.
Qwen3.6-35B-A3B-FP8	9	8	9	8.9	Точно снятые KPI и день 03.04, развёрнутый анализ. Домысленный день недели (среда) — незначительный минус.
gemma-4-31b	9	8	9	8.9	Все факты и KPI верны, чёткий вывод о падении трафика и вкладе провала 03.04.
GPT-5.5 (low)	9	8	9	8.9	Верно определены аномалия 03.04 и все три KPI, аккуратный сжатый вывод.
GPT-5.5 (medium)	9	8	9	8.9	Все KPI и день аномалии верны, ясный структурированный ответ.
GPT-5.6 Sol (low)	9	8	9	8.9	03.04 и KPI верны, отмечена гипотеза о неполном дне/сбое; понедельник назван ошибочно.
GPT-5.6 Sol (med)	9	8	9	8.9	Верно всё, добавлены оценки высоты столбцов (~50/100), хороший вывод.
GPT-5.6 Terra (low)	9	8	9	8.9	Факты и KPI верны, вывод сжат; понедельник назван ошибочно.
GPT-5.6 Terra (med)	9	8	9	8.9	Верно определены 03.04 и все три KPI, аккуратный вывод о динамике.
GPT-5.6 Terra (high)	9	8	9	8.9	03.04 и все KPI верны, ясный вывод о падении вдвое.
GPT-5.6 Luna (low)	9	8	9	8.9	03.04 и все KPI верны, вывод сжат; неверный день недели (понедельник).
GPT-5.6 Luna (high)	9	8	9	8.9	День аномалии и KPI верны, но кратко; ошибочно назван понедельник.
llama-scout	9	7	9	8.8	Верно определён день аномалии 03.04 и все три KPI. Формат немного портит LaTeX-разметка ($...$).
GPT-5.6 Luna (med)	9	7	9	8.8	Верные факты и KPI, но самый лаконичный разбор без деталей.
diffusion-gemma	9	8	7	8.7	Данные и день аномалии верны, но русский хромает: 'касаются от нуля', 'сильнотянул'.
Nemotron-3-Nano-Omni-30B	3	6	8	3.8	Грубая ошибка в главном: аномалией назван 31.03 вместо 03.04. KPI сняты верно, но ключевой факт неверен.

Большинство моделей точно сняли KPI и определили аномалию 03.04; kimi-k2.6 лучший за полноту, таблицу и корректную гипотезу о неполноте данных. nemotron-omni провалил главное — назвал 31.03.

dashboard_маркетинг_6df45b0d82 — Источники трафика в сводке Яндекс.Метрики

dashboard · промпт 538 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед тобой панель «Сводка» веб-аналитики (Яндекс.Метрика) за период 15 — 21 мар 2023. Посмотри на виджет «Источник трафика» и его легенду с процентами. Ответь на вопросы: 1) Какой источник трафика приносит наибольшую долю визитов и сколько процентов он составляет? 2) Перечисли два самых маленьких по доле источника с их процентами. 3) Сделай вывод о том, насколько сайт зависим от платной рекламы: какую долю составляют «Переходы по рекламе» и можно ли назвать сайт рекламозависимым. Отвечай строго по числам, которые видны на картинке.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все числа верны; формулировка «критически зависит от поисковых систем» слегка резковата, но по сути корректна.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все числа верны, чёткий вывод об отсутствии рекламозависимости с обоснованием.
GPT-5.5 (low)	10	9	10	9.9	Все числа точны, наглядное сравнение 3,93% против 88,3%.
GPT-5.5 (medium)	10	9	10	9.9	Точные числа, ясный и лаконичный вывод.
MiniMax-M3	10	9	10	9.9	Все числа из легенды воспроизведены верно (88,3% поиск; 0,5% и 0,86% как два минимума; 3,93% реклама), вывод о нерекламозависимости корректен. Структура ясная, русский безупречный; оформление слегка избыточно (таблица и жирный шрифт) для такого простого вопроса.
Kimi K2.6	10	9	10	9.9	Все числа верны, хорошее обоснование вывода про менее 4% платного трафика.
GPT-5.6 Sol (low)	10	9	10	9.9	Верные данные и корректный вывод, аккуратная структура.
GPT-5.6 Sol (med)	10	9	10	9.9	Верные данные и корректный вывод, аккуратная структура.
GPT-5.6 Terra (med)	10	9	10	9.9	Верные числа, ясный вывод об отсутствии рекламозависимости.
GPT-5.6 Terra (high)	10	9	10	9.9	Все числа верны, чёткий и структурированный ответ.
GPT-5.6 Luna (med)	10	9	10	9.9	Все числа точны, ясный вывод с указанием доминирования поиска.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные числа, чёткий вывод, но обоснование краткое.
gemma-4-31b	10	8	10	9.8	Все числа и вывод верны, компактный и ясный ответ.
diffusion-gemma	10	8	10	9.8	Верные данные и корректный вывод, аккуратная структура.
GPT-5.6 Luna (low)	10	8	10	9.8	Числа верны, вывод корректный, но без пояснения.
llama-scout	10	8	9	9.7	Данные верны, но проценты в формате LaTeX ($88.3\%$) и точки вместо запятых выглядят неестественно для русского.
GPT-5.6 Terra (low)	10	7	10	9.7	Числа верны, но ответ очень сжатый, вывод без развёрнутого обоснования.
Nemotron-3-Nano-Omni-30B	10	6	9	9.5	Числа верны, но ответ предельно сжатый, без обоснования вывода.

Все модели дали верные числа и правильный вывод; лидеры (35b-a3b, gpt-5.5, kimi) выделяются полнотой обоснования, аутсайдеры (nemotron-omni, terra-low) — избыточной краткостью.

dashboard_маркетинг_ba7342da7d — Чтение KPI на дашборде Яндекс.Метрики

dashboard · промпт 637 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед тобой дашборд веб-аналитики (Яндекс.Метрика) за период 1–19 апреля. В верхнем ряду расположены три ключевых показателя с индикаторами динамики, а ниже — карточки с числами по аудитории. Ответь на вопросы строго по тому, что видно на картинке: 1) Назови значения трёх верхних KPI (Глубина просмотра, Время на сайте, Отказы) и для каждого укажи процент изменения и направление (рост/снижение). 2) Сколько всего Посетителей и сколько Новых посетителей указано в соответствующих карточках? 3) У какого из трёх верхних показателей самый большой по модулю процент изменения и является ли это изменение хорошим или плохим для маркетинга?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все значения, проценты и направления верны, вывод по максимальной динамике корректен.
GPT-5.5 (low)	10	10	10	10.0	Полностью точные значения и направления, верный вывод по п.3.
GPT-5.5 (medium)	10	10	10	10.0	Все данные и направления корректны, вывод правильный.
Kimi K2.6	10	10	10	10.0	Точные значения и направления, аккуратная структура, верный вывод.
GPT-5.6 Sol (low)	10	10	10	10.0	Точные значения и направления, корректный вывод по максимальной динамике.
GPT-5.6 Sol (med)	10	10	10	10.0	Все факты верны, ясная структура, правильный вывод.
GPT-5.6 Terra (low)	10	10	10	10.0	Все данные и направления верны, вывод правильный.
GPT-5.6 Terra (med)	10	10	10	10.0	Точные значения и направления, корректный вывод о положительной динамике.
GPT-5.6 Terra (high)	10	10	10	10.0	Значения и направления точны, вывод по п.3 корректен.
GPT-5.6 Luna (low)	10	10	10	10.0	Точные значения и направления, верный вывод, хорошая структура.
GPT-5.6 Luna (med)	10	10	10	10.0	Все данные корректны, вывод правильный.
llama-scout	10	9	10	9.9	Все числа и проценты верны, направления корректны, вывод по п.3 правильный. Лишняя LaTeX-разметка чисел не мешает.
gemma-4-31b	10	9	10	9.9	Числа и направления точны, правильный вывод о Времени на сайте как благоприятной динамике.
diffusion-gemma	10	10	9	9.9	Все факты верны, вывод корректен; мелкая опечатка 'ск изображения' в начале.
GPT-5.6 Luna (high)	10	9	10	9.9	Все факты верны, направления корректны, вывод по п.3 правильный.
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Все цифры и направления верны, вывод правильный, но ответ сжат без развёрнутого обоснования.
MiniMax-M3	5	9	9	5.8	Все числа считаны верно (1,17; 49 с; 30,05%; 38 308; 37 090) и максимум по модулю определён правильно, но направление динамики Отказов перепутано: указан рост +1,94% вместо снижения −1,94%. Ошибка усилена ложным выводом о «тревожном сигнале» роста отказов, хотя оформление и русский язык отличные.
Qwen3.6-35B-A3B-FP8	4	9	10	5.1	Ошибка в направлении Отказов: указан рост на +1,94% вместо снижения −1,94%. Остальные факты верны.

Почти все модели ответили безупречно; 27b-v2 выделяется идеальной точностью, направлениями и чистой структурой. Единственный провал у 35b-a3b — неверное направление Отказов (рост вместо снижения).

dashboard_дата-аналитика_62b08d3a39 — Анализ ROI каналов на дашборде продаж

dashboard · промпт 503 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

Перед тобой дашборд Power BI «COMPETITIVE MARKETING ANALYSIS REPORT». В верхнем ряду расположены пять карточек-показателей по каналам продаж, у каждой указана сумма продаж и значение ROI (Return on Investment). Внимательно рассмотри эти пять карточек и ответь: 1) У какого канала самая большая сумма продаж и сколько она составляет? 2) У какого канала самый высокий ROI и какой именно это процент? 3) В чём заключается аномалия, если сопоставить размер продаж канала и его ROI? Кратко сформулируй вывод.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все цифры с пяти карточек считаны точно, Total корректно отделён от каналов, максимальный ROI у Outlet 18% и обратная связь объёма и ROI сформулированы верно. Ответ структурирован таблицей, добавлен разумный практический вывод; русский язык безупречен.
Qwen3.6-27B-FP8	10	9	10	9.9	Все факты верны, аномалия и вывод раскрыты подробно и корректно.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три пункта верны: Online $15тыс, Outlet 18%, чётко раскрыта обратная связь объёма и ROI.
gemma-4-31b	10	9	10	9.9	Верно названы Online $15тыс, Outlet 18% и обратная зависимость объёма и ROI.
GPT-5.5 (medium)	10	9	10	9.9	Все пункты верны, вывод об отсутствии связи объёма и ROI точный.
Nemotron-3-Nano-Omni-30B	10	9	10	9.9	Верно названы факты и обратная связь между объёмом продаж и ROI.
Kimi K2.6	10	9	10	9.9	Полный корректный ответ: Online $15тыс, уточнение Total $32тыс, Outlet 18%, детально раскрыта обратная зависимость.
GPT-5.6 Sol (low)	10	9	10	9.9	Верно: Online $15тыс, Outlet 18%, чётко сформулирована обратная связь.
GPT-5.6 Sol (med)	10	9	10	9.9	Все факты и вывод корректны, ответ ясный и лаконичный.
GPT-5.6 Terra (low)	10	9	10	9.9	Все пункты верны, сравнение Outlet 18% и Online 12% корректно.
GPT-5.6 Terra (med)	10	9	10	9.9	Факты и вывод верны: объём продаж не равен эффективности инвестиций.
GPT-5.6 Terra (high)	10	9	10	9.9	Верно названы факты и обратная связь объёма продаж с ROI.
GPT-5.6 Luna (low)	10	9	10	9.9	Все пункты верны, уточнён Total $32тыс и лидер-канал Online.
GPT-5.6 Luna (high)	10	9	10	9.9	Верно и лаконично: Online $15тыс, Outlet 18%, обратная связь объёма и ROI.
GPT-5.5 (low)	10	8	10	9.8	Верно: Online лидер, Total $32тыс уточнён, Outlet 18% максимальный ROI, аномалия названа.
diffusion-gemma	10	9	8	9.7	Факты и вывод корректны, но есть опечатки ('Основаясь', 'сформулий').
GPT-5.6 Luna (med)	10	7	5	9.2	Факты верны, но в вывод вставлена английская фраза 'Conversely, Online has...', что портит русский и формат.
llama-scout	5	7	7	5.4	Q1 и Q2 верны, но аномалию свёл только к Social Media 0%, не назвал ключевую обратную связь Outlet; ошибка '$9,262 тыс.'.

Почти все модели ответили верно; kimi-k2.6 и 35b-a3b дали наиболее полный и точный разбор. Слабее всех llama-scout (не назвал ключевую аномалию Outlet) и gpt-5.6-luna-medium (английская вставка).

dashboard_дата-аналитика_c524f46441 — Аномалия в долях прибыли по городам (Power BI)

dashboard · промпт 314 симв. · Победитель: Kimi K2.6 · 10.0/10

▸Промпт задачи

Перед тобой дашборд Power BI «Анализ продаж за 2021 год». Посмотри на кольцевую (donut) диаграмму «Прибыль по городам, тыс.руб.» в правом нижнем углу. Выпиши процент, подписанный у каждого города, сложи эти проценты и объясни, почему полученная сумма указывает на ошибку/аномалию в данных. Сделай корректный вывод.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	10	10	10.0	Самый полный и точный ответ: верные доли, сумма 101%, глубокое объяснение независимого округления и практические рекомендации.
MiniMax-M3	10	9	10	9.9	Все три доли считаны верно (Москва 41%, СПб 35%, Казань 25%), сумма 101% и превышение 100% названы, основная причина (округление до целых) указана корректно. Немного избыточно: версии про дублирование записей и неверную меру лишние, а численный пример округления подобран не идеально.
Qwen3.6-27B-FP8	10	9	9	9.8	Точные проценты, сумма 101%, хорошее объяснение ошибки округления и способа коррекции в Power BI.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Все три процента верны, сумма 101%, чётко указана аномалия превышения 100% и разобрана ошибка округления с примером.
gemma-4-31b	10	9	9	9.8	Верные значения и сумма, ясно сформулирована аномалия >100%, упомянуты причины (округление, DAX).
Nemotron-3-Nano-Omni-30B	10	9	9	9.8	Точные проценты и сумма, разобрано округление; слегка занижает значимость аномалии ("не критично").
GPT-5.5 (medium)	10	8	9	9.7	Верные значения, сумма 101%, корректно объяснено округление; вывод сжатый но точный.
llama-scout	10	7	8	9.5	Значения и сумма верны, аномалия отмечена, но объяснение поверхностное и без раскрытия механизма округления; лишние LaTeX-символы.
diffusion-gemma	10	8	7	9.5	Данные и вывод верны, аномалия объяснена, но есть опечатки ("Обяснение", "равнена").
GPT-5.5 (low)	9	8	9	8.9	Проценты и сумма 101% верны, аномалия замечена, но итоговый вывод больше пересказывает распределение, чем фиксирует ошибку.
GPT-5.6 Sol (med)	9	8	9	8.9	Проценты и сумма верны, хорошо объяснено независимое округление Power BI, вывод корректен.
GPT-5.6 Sol (low)	9	7	9	8.8	Верные доли и сумма, аномалия округления в 1 п.п. отмечена; ответ сжат.
GPT-5.6 Terra (low)	9	7	9	8.8	Верные проценты и сумма, аномалия отмечена как эффект округления; объяснение поверхностное.
GPT-5.6 Terra (med)	9	7	9	8.8	Точные доли, сумма 101%, корректно указана невозможность >100% и роль округления; кратко.
GPT-5.6 Luna (low)	9	7	9	8.8	Верные значения и сумма 101%, аномалия названа, но объяснение минимальное и вывод осторожно уклончивый.
GPT-5.6 Luna (med)	9	7	9	8.8	Точные проценты, сумма 101%, аномалия округления указана; вывод корректен, но лаконичен.
GPT-5.6 Luna (high)	9	7	9	8.8	Проценты и сумма верны, аномалия отмечена, но вывод смягчён ("не обязательно ошибка") и краток.
GPT-5.6 Terra (high)	9	6	9	8.7	Значения и сумма 101% верны, но ответ предельно краток, без развёрнутого анализа.

Все модели верно прочитали проценты (Москва 41%, СПб 35%, Казань 25%) и сумму 101%; побеждает kimi-k2.6 за наиболее полное и точное объяснение аномалии и рекомендации.

Дефектоскопия

defect_промышленность_12a14385be — Коррозия промышленных трубопроводов

defect · промпт 433 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.1/10

▸Промпт задачи

На фотографии показаны промышленные трубы на фоне кирпичной стены. Внимательно рассмотрите изображение и ответьте: 1) Какой тип дефекта/повреждения присутствует на трубах? 2) Насколько обширно это повреждение по поверхности труб (локальное пятно или сплошное покрытие)? 3) Оцените серьёзность повреждения (лёгкая/средняя/тяжёлая) и обоснуйте оценку тем, что видно на снимке. 4) В каком месте конструкции дефект выражен сильнее всего?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	9	9	10	9.1	Верно определена коррозия, сплошной характер, тяжёлая степень и нижняя/левая труба как эпицентр. Без выдумок про сквозную дыру, аккуратные обоснования (отслоение, истончение).
GPT-5.6 Sol (med)	9	9	9	9.0	Аккуратно описан отслоившийся листообразный фрагмент на нижней трубе, что точно соответствует снимку; тяжёлая степень с корректной оговоркой об инструментальном контроле.
GPT-5.6 Sol (low)	9	8	9	8.9	Точное описание: оболочка/покрытие оторвано и свисает снизу — совпадает с картинкой; честная оговорка о невозможности подтвердить сквозную коррозию.
GPT-5.6 Terra (med)	9	8	9	8.9	Точный ответ: многослойная запущенная коррозия, обширное покрытие, тяжёлая степень, эпицентр — нижняя передняя труба у изгиба/стыка.
GPT-5.6 Terra (high)	9	8	9	8.9	Верная база и эпицентр (нижняя левая труба у стыка/изгиба), тяжёлая степень с честной оговоркой про толщину стенки.
GPT-5.6 Luna (med)	9	8	9	8.9	Коррозия, обширное покрытие, тяжёлая степень и нижняя горизонтальная труба указаны корректно; осторожно про истончение металла.
GPT-5.6 Luna (high)	9	8	9	8.9	Точно: тяжёлая коррозия, почти сплошное, нижняя труба у изгиба; честная оговорка, что толщину стенки по фото не определить. Без выдумок.
MiniMax-M3	8	9	9	8.2	Верно определены коррозия, сплошной характер и тяжёлая степень; небольшие домыслы (сквозное утончение, вытекание конденсата, «фланцевые кольца») и приоритет отвода вместо нижней передней трубы слегка снижают точность. Структура с таблицей и язык очень хорошие.
GPT-5.5 (low)	8	8	9	8.1	Аккуратно и честно: коррозия, обширное, средне-тяжёлая с оговоркой об отсутствии видимых сквозных отверстий. Без галлюцинаций, эпицентр указан верно.
GPT-5.5 (medium)	8	8	9	8.1	Точный осторожный ответ: коррозия, почти сплошное покрытие, средняя-близкая-к-тяжёлой с обоснованием. Без выдумок.
GPT-5.6 Terra (low)	8	8	9	8.1	Коррозия, обширное повреждение, тяжёлая степень и зона нижнего соединения/изгиба указаны верно; кратко, без выдумок.
GPT-5.6 Luna (low)	8	8	9	8.1	Верно определены коррозия, обширность и тяжёлая степень, эпицентр — нижняя передняя труба; аккуратные формулировки без галлюцинаций.
Kimi K2.6	7	9	10	7.5	Очень подробный и хорошо аргументированный ответ, верная база и точное указание эпицентра; минус за утверждение о сквозной пробоине, хотя и с оговоркой предположительно.
diffusion-gemma	7	8	6	7.0	Верно: коррозия, сплошное, тяжёлая, нижняя левая часть; но опечатки (сплошнымным, шешучатой) портят русский, а глубокая пустота слегка преувеличена.
Qwen3.6-27B-FP8	6	9	9	6.6	Основа верна (коррозия, сплошное, тяжёлая, низ слева), но выдумана сквозная дыра/прогар и механическое разрушение стенки, чего чётко не видно.
gemma-4-31b	6	9	9	6.6	Хорошая структура и верная база, но утверждается сквозное разрушение (дыра) в передней трубе, что на снимке не подтверждается — это отслоение/наплывы, а не пробой.
Nemotron-3-Nano-Omni-30B	6	8	5	6.1	База верна, но выдуманы трещины/пробои и полностью отделившийся кусок; сильно портят русский вставленные английские слова exposing.
llama-scout	5	8	9	5.7	Коррозия и тяжёлая степень определены, но добавлены несуществующие вмятины, механические повреждения и протечи — заметная галлюцинация.

Все модели верно определили коррозию, сплошной характер и тяжёлую степень. 35b-a3b лидирует балансом безошибочной точности, глубины и отличного русского; линейка gpt-5.6 (sol/luna) близко. Часть моделей (27b, gemma, nemotron, llama) снижены за выдуманные сквозные дыры и механические повреждения.

defect_промышленность_1cdc8df117 — Коррозия фланцевого соединения трубопровода

defect · промпт 340 симв. · Победитель: Kimi K2.6 · 9.9/10

▸Промпт задачи

На фото — фрагмент промышленного металлического трубопровода. Внимательно осмотрите его и ответьте: 1) Какой основной тип дефекта/повреждения здесь присутствует? 2) Где именно (на каком конструктивном элементе) повреждение наиболее выражено? 3) Оцените степень (серьёзность) повреждения и обоснуйте оценку по тому, что видно на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	9	10	9.9	Наиболее точный и полный ответ: коррозия, фланец с буртиком и болтами, растрескивание коррозионного слоя, тяжёлая степень с чётким обоснованием.
Qwen3.6-27B-FP8	9	9	10	9.1	Верно назвал коррозию, точно указал фланцевое соединение и болты, оценил как критическую. Развёрнутое и корректное обоснование.
gemma-4-31b	9	9	10	9.1	Точно: коррозия, фланец, болты/гайки с потерей геометрии, шелушение, критическая степень. Грамотное развёрнутое обоснование.
GPT-5.5 (low)	9	8	9	8.9	Коррозия, фланцевое/муфтовое соединение и болты названы верно, тяжёлая степень обоснована, разумная оговорка о толщинометрии.
GPT-5.5 (medium)	9	8	9	8.9	Кратко и точно: коррозия, фланцевое соединение с болтами, высокая/критическая степень, упомянута щелевая коррозия.
GPT-5.6 Sol (low)	9	8	9	8.9	Коррозия, фланцевое соединение с болтами/гайками и тяжёлая степень названы верно, обоснование по видимым признакам.
GPT-5.6 Sol (med)	9	8	9	8.9	Верно: коррозия, фланец и головки болтов, близкая к критической степень с обоснованием и разумной оговоркой о толщинометрии.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Коррозия и зона стыка (фланец/муфта) названы верно, упомянут питтинг и потеря толщины. Формулировка 'заклепки/отливки' чуть размыта, но по сути правильно.
diffusion-gemma	8	8	6	7.8	Верно указал коррозию, фланец и болты, критическую степень, но много опечаток ('шешится','загрязнинения') и переоценка 'глубоких линейных трещин'.
Nemotron-3-Nano-Omni-30B	6	5	7	6.0	Коррозию и серьёзность назвал верно, но зону описал размыто ('обжимная пластина/консоль') без фланца/болтов, есть вставка на английском.
MiniMax-M3	5	8	9	5.7	Коррозия, фланцево-болтовая зона и высокая степень определены верно, но ответ добавляет заметные выдумки: 'сквозной зазор между фланцами с видимой внутренней полостью трубы', разгерметизация стыка и радиально-кольцевые трещины металла у болтовых отверстий, чего на фото нет (видны лишь трещины коррозионного слоя). Оформление и русский язык на высоком уровне, но диагноз размыт в 'комплекс повреждений'.
llama-scout	5	8	8	5.6	Коррозию и фланец распознал, но выдумал отдельное 'механическое повреждение', трещины и деформацию металла, которых на снимке нет.
GPT-5.6 Terra (low)	5	7	8	5.5	Тип и степень корректны, но наиболее поражённый элемент неверно определён как кольцевой сварной шов, а не фланец с болтами.
GPT-5.6 Terra (med)	5	7	8	5.5	Коррозия и высокая степень верны, но зона ошибочно названа сварным швом и ЗТВ вместо фланцевого соединения с болтами.
GPT-5.6 Terra (high)	5	7	8	5.5	Коррозия и высокая степень верны, но зону ошибочно свёл к сварному кольцевому шву вместо фланцевого болтового соединения.
GPT-5.6 Luna (low)	5	7	8	5.5	Коррозия и аварийная степень верны, но элемент ошибочно определён как сварная накладка/ребро жёсткости, а не фланец с болтами.
GPT-5.6 Luna (med)	5	7	8	5.5	Тип дефекта и степень корректны, но наиболее поражённая зона названа ошибочно (накладка/сварной стык) вместо фланца и болтов.
GPT-5.6 Luna (high)	5	7	8	5.5	Коррозия и высокая степень верны, но зону ошибочно назвал сварным швом/накладным хомутом вместо фланцевого болтового соединения.

Все модели верно назвали коррозию и высокую степень. Различие в определении зоны: лучшие (kimi, gemma, 27b, gpt-5.5/sol) указали фланец и болты; варианты luna/terra ошибочно свели к сварному шву/накладке.

defect_промышленность_2735f8bbc7 — Коррозия трубопроводной арматуры

defect · промпт 419 симв. · Победитель: Kimi K2.6 · 10.0/10

▸Промпт задачи

На изображении показан фрагмент промышленного оборудования. Определите: 1) Какой основной тип дефекта/повреждения виден на снимке? 2) Какие именно элементы он затрагивает — только металлическую стену/поверхность, только трубопроводную арматуру (вентили, фитинги, трубу), или и то и другое? 3) Оцените серьёзность поражения (поверхностное/незначительное или сплошное/обширное) и обоснуйте по тому, что видно на картинке.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	10	10	10.0	Самый детальный и точный ответ: коррозия, обе зоны, тяжёлое поражение с развёрнутым обоснованием по признакам.
Qwen3.6-27B-FP8	10	9	10	9.9	Верно: коррозия, обе зоны, обширное поражение с потёками и разрушением покрытия. Обоснование логичное и полное.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Полный и точный ответ: коррозия, стена и арматура, запущенное поражение с потёками и риском разгерметизации.
gemma-4-31b	10	9	10	9.9	Корректно распознаны коррозия, обе зоны и ~100% площади с разрушением ЛКП. Чёткое обоснование.
GPT-5.5 (low)	10	9	10	9.9	Точно: коррозия, обе зоны, обширное поражение с вертикальными потёками и множеством очагов. Ясно и структурно.
GPT-5.5 (medium)	10	9	10	9.9	Верный разбор всех трёх пунктов с опорой на визуальные признаки (потёки, окисление узлов).
GPT-5.6 Sol (low)	10	9	10	9.9	Верно, с грамотной инженерной оговоркой о необходимости инструментального контроля глубины коррозии.
GPT-5.6 Sol (med)	10	9	10	9.9	Полный и точный разбор с указанием на необходимость толщинометрии для оценки прочности.
GPT-5.6 Terra (low)	10	9	10	9.9	Верный и краткий ответ по всем пунктам с опорой на видимые признаки.
GPT-5.6 Terra (med)	10	9	10	9.9	Верно и структурно, обоснование чуть менее детальное, чем у лучших ответов.
GPT-5.6 Terra (high)	10	9	10	9.9	Верно: коррозия, обе зоны, тяжёлое обширное состояние с оговоркой о глубине по одному фото.
GPT-5.6 Luna (low)	10	9	10	9.9	Верно, с уместной оговоркой об отсутствии видимой сквозной утечки. Чётко и лаконично.
GPT-5.6 Luna (med)	10	9	10	9.9	Точный и структурный ответ по всем пунктам с указанием признаков разрушения покрытия.
GPT-5.6 Luna (high)	10	8	10	9.8	Верно и кратко: коррозия, обе зоны, обширное/местами сплошное поражение. Обоснование сжатое.
MiniMax-M3	9	9	10	9.1	Верно определена коррозия, отмечено поражение и стены, и арматуры, серьёзность оценена как сплошная/обширная с корректным обоснованием по видимым признакам (потёки, отслоение краски, наслоения на фланцах). Мелкие неточности: упоминание 'маховиков/штурвалов' и предположение о разрушении уплотнительных поверхностей — интерпретация за пределами видимого; розовая метка на трубе не отмечена.
Nemotron-3-Nano-Omni-30B	9	9	9	9.0	Верно по сути, но фраза «бетонную/металлическую панель» вносит лёгкую неточность в описании стены.
llama-scout	9	8	8	8.8	Тип, зоны и серьёзность названы верно, но обоснование более общее и шаблонное, меньше конкретики по картинке.
diffusion-gemma	9	7	7	8.6	Содержательно верно, но искажённое слово «обширнымкрическим)» портит формат и русский.

Почти все модели верно определили сплошную коррозию стены и арматуры и высокую серьёзность. Kimi-k2.6 дал самое детальное и обоснованное описание; ответы gpt-5.6 sol/terra выделяются грамотной инженерной оговоркой.

defect_промышленность_48fc91585e — Коррозия фланцевого соединения трубопровода

defect · промпт 471 симв. · Победитель: MiniMax-M3 · 9.1/10

▸Промпт задачи

На фото — узел промышленного трубопровода. Внимательно рассмотрите изображение и ответьте: 1) Какой тип повреждения преобладает на металле трубы и соединительного узла? 2) Где расположен наиболее сильно повреждённый (центральный) элемент конструкции и как он называется? 3) Что происходит с защитным покрытием (краской/обмазкой) на поверхности трубы? 4) Оцените серьёзность состояния узла по шкале лёгкая / умеренная / тяжёлая и обоснуйте оценку тем, что видно на снимке.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	9	10	9.1	Все четыре пункта эталона закрыты верно: коррозия с питтингом, центральный фланцево-болтовой узел как самое повреждённое место, отслаивание краски (с корректным объяснением подплёночной коррозии) и тяжёлая степень. Небольшой минус за уточнения, не проверяемые по фото (ровно 4 болта, деформированная прокладка, влага под узлом).
Qwen3.6-27B-FP8	9	9	9	9.0	Самый подробный и точный разбор: фланец, болтовая группа, разрушение краски, тяжёлое состояние с обоснованием рисков.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Верно названы коррозия, центральный фланцево-болтовой узел, отслаивание покрытия и тяжёлая степень. Развёрнутое обоснование.
gemma-4-31b	9	9	9	9.0	Точно: фланцевое соединение с болтами, деструкция краски, тяжёлая степень; корректная терминология (питтинг).
Kimi K2.6	9	9	9	9.0	Точно: фланцевое соединение со шпильками в центре, шелушение краски, тяжёлое состояние с развёрнутым обоснованием.
GPT-5.5 (low)	9	8	9	8.9	Фланцевое соединение с болтами определено верно, покрытие и тяжесть корректны; формулировка чуть менее структурирована.
GPT-5.5 (medium)	9	8	9	8.9	Фланцево-болтовое соединение, массовое отслаивание покрытия, тяжёлое состояние — всё верно.
GPT-5.6 Terra (low)	9	8	9	8.9	Верно: центральное фланцевое соединение, шелушение покрытия, тяжёлая степень.
GPT-5.6 Terra (med)	9	8	9	8.9	Фланцевое соединение определено верно, покрытие и тяжесть корректны; тип коррозии подан с оговоркой 'вероятно'.
GPT-5.6 Terra (high)	9	8	9	8.9	Фланцевое соединение с болтами, разрушение краски, тяжёлое состояние — всё верно и кратко.
llama-scout	8	9	8	8.1	Коррозия, покрытие и тяжесть верны; центральный элемент назван 'болт/шпилька как часть фланцевого соединения' — чуть менее точно, чем сам фланец.
diffusion-gemma	8	8	5	7.7	Содержательно верно (фланец, отслоение, тяжёлая), но грубые опечатки: 'тяжлая', 'шуями', 'ф фланцах' портят русский.
GPT-5.6 Sol (low)	6	7	8	6.3	Фланец упомянут, но в связке с ошибочным 'шарнирно-хомутовым узлом'; корректная осторожность по толщине металла.
GPT-5.6 Sol (med)	6	7	8	6.3	'Фланцево-зажимной узел (муфта/хомут)' — частично верно, но размыто; коррозия, покрытие и тяжесть корректны.
GPT-5.6 Luna (low)	3	7	8	3.9	Тип повреждения и покрытие верны, но центральный элемент ошибочно определён как 'хомут/обойма', фланец не назван.
GPT-5.6 Luna (med)	3	7	8	3.9	Ошибочная идентификация 'шарнирный хомут/муфта, цепное крепление' вместо фланца; остальное верно.
GPT-5.6 Luna (high)	3	7	8	3.9	Коррозия, покрытие и тяжесть верны, но центральный узел ошибочно назван 'хомутом/обоймой с шарнирно-пальцевыми деталями' вместо фланца.
Nemotron-3-Nano-Omni-30B	2	4	3	2.3	Коррозия и тяжесть угаданы, но центральный элемент назван 'шестернёй' — грубая выдумка; русский искажён ('покрытие ищет покрасневшее').

Лидеры (27b-v2, kimi-k2.6, gemma-4-31b, 35b-a3b) точно назвали центральный фланцево-болтовой узел, коррозию и тяжесть; luna-модели ошиблись с 'хомутом', nemotron выдумал 'шестерню'.

defect_промышленность_4589f163fe — Коррозионное разрушение трубопровода

defect · промпт 358 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении показана металлическая труба, лежащая на земле. Определите: (1) какой тип дефекта/повреждения присутствует на трубе; (2) где именно он расположен (на какой части трубы) и как выглядит; (3) оцените серьёзность повреждения и опишите, в каком состоянии находится стенка трубы в зоне дефекта. Отвечайте только по тому, что реально видно на снимке.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Идеально: коррозия, крупная сквозная дыра с рваными краями, отслоение покрытия лоскутами, критическая серьёзность — всё соответствует картинке.
GPT-5.5 (low)	10	9	10	9.9	Точно: сквозная коррозия, продольное расположение, дополнительные отверстия, критическое разрушение стенки.
GPT-5.5 (medium)	10	9	10	9.9	Верно и полно: сквозная коррозия, верхне-боковое расположение, дополнительные повреждения у торца, критическая потеря целостности.
GPT-5.6 Sol (low)	10	9	10	9.9	Точно: сквозная коррозия, центральная зона, крупные отверстия и рваные фрагменты, критическая серьёзность.
GPT-5.6 Sol (med)	10	9	10	9.9	Верно и подробно: сквозная коррозия, большое отверстие с рваными краями, распад металла на пласты, критическое состояние.
Kimi K2.6	9	9	10	9.1	Точно: коррозия с расслоением, сквозные отверстия, верхне-боковое расположение, критическая серьёзность.
GPT-5.6 Terra (low)	9	9	10	9.1	Верно: сильная коррозия, перфорация, отслоение пластин, тяжёлая степень.
GPT-5.6 Terra (med)	9	9	10	9.1	Коррозия, сквозные пробоины, истончение и разрушение стенки — кратко и точно.
GPT-5.6 Luna (low)	9	9	10	9.1	Коррозия, язвенное поражение, сквозной пролом, тяжёлая степень — всё верно.
GPT-5.6 Luna (med)	9	9	10	9.1	Сильная коррозия, продольное разрушение, критическое состояние с утратой сплошности — точно.
GPT-5.6 Luna (high)	9	9	10	9.1	Верно: тяжёлая коррозия, разрушение и признаки сквозного пробоя, критическое состояние; несколько короче деталями.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Точно: коррозия, отслоение покрытия, сквозные отверстия, критическое истончение стенки. Полный и структурированный разбор.
MiniMax-M3	9	9	9	9.0	Верно определена сквозная коррозия, расположение основной пробоины и вторая проржавевшая зона справа, серьёзность оценена как критическая. Мелкие домыслы (питтинг, продольные трещины покрытия, точечные пробоины) и излишняя детализация не подтверждаются снимком напрямую.
GPT-5.6 Terra (high)	8	9	10	8.3	Коррозия со сквозными пробоинами и отслоением, серьёзное истончение стенки; расположение указано чуть неточно.
gemma-4-31b	8	9	9	8.2	Верный тип (сквозная коррозия) и критическая оценка; края описаны как загнутые наружу, что менее точно, но суть передана.
llama-scout	8	8	9	8.1	Верно определена коррозия, центральное расположение и критическое состояние; язвенная коррозия уместна, но сквозной характер пробоины прямо не назван.
Nemotron-3-Nano-Omni-30B	7	6	0	6.2	Содержание корректно (коррозия, разрушение стенки, тяжёлая степень), но ответ на английском — требование русского языка не выполнено.
diffusion-gemma	4	8	8	4.8	Основным дефектом назван механический разрыв/деформация, а коррозия вторична — это неверный акцент; сквозной характер и тяжесть отмечены.

Большинство моделей верно определили сквозную коррозию и критическую серьёзность; 27b-v2 дал наиболее полное и точное описание пробоины и отслоения покрытия. diffusion-gemma ошибочно назвала главным дефектом механический разрыв, nemotron ответил на английском.

defect_промышленность_3c5da2b4df — Дефект пайки медного тройникового соединения

defect · промпт 409 симв. · Победитель: MiniMax-M3 · 8.9/10

▸Промпт задачи

На фото — медное трубное соединение (тройник), у которого один отвод обрезан и виден его торец. Внимательно рассмотрите зону пайки в месте примыкания отвода к основной трубе и поверхность металла. Опишите: 1) какой тип дефекта/некачественной обработки виден в месте соединения; 2) где именно он расположен; 3) насколько серьёзным выглядит. Укажите конкретные визуальные признаки, по которым вы это определили.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	9	8	8.9	Верно опознана некачественная пайка медного Т-соединения с избытком припоя, наплывами и каплями в зоне галтели, правильно указано расположение и умеренная (не критическая) серьёзность; мелкие огрехи — акцент на 'перегреве' по тёмному торцу (это внутренний слой/нагар) и грамматические ошибки ('вогнутого галтели', 'бугрýми валиками').
gemma-4-31b	8	8	9	8.1	Наиболее точно: избыток припоя (перелив), 'застывшие капли' и бугристость по поверхности, средняя серьёзность без катастрофы — полностью совпадает с эталоном.
Qwen3.6-27B-FP8	7	8	8	7.2	Хорошо: отметил потёки и избыток припоя (совпадает с реальностью), рваную границу, грубый срез; серьёзность слегка завышена, но в целом корректно.
GPT-5.5 (low)	7	7	8	7.1	Отметил наплывы и потёки припоя (совпадает), умеренную серьёзность; добавил спорную пористость/раковины, но диагноз близок к верному.
GPT-5.6 Sol (low)	7	7	8	7.1	Верно про неравномерный наплыв припоя/флюса и бугристость, умеренная серьёзность соответствует эталону; спорные поры не критичны.
llama-scout	6	8	8	6.4	Верно опознал медное паяное соединение и некачественную пайку, но диагноз 'недостаточное количество припоя' противоречит реальному избытку/брызгам; добавил спекулятивную коррозию.
GPT-5.6 Sol (med)	6	8	8	6.4	Отметил наплывы, складки и пористость, но упор на незаполненный зазор/непропай не соответствует реальному избытку припоя; серьёзность завышена.
GPT-5.5 (medium)	6	7	8	6.3	Смешал верные наплывы с гипотезой непропая; умеренно-серьёзная оценка адекватна, но упор на непровар не соответствует реальному избытку припоя.
GPT-5.6 Terra (low)	6	7	8	6.3	Отметил наплывы припоя и неровности по периметру (верно), но акцент на тёмной щели/непроваре спекулятивен; серьёзность завышена.
GPT-5.6 Terra (med)	6	7	8	6.3	Верно про грубый наплыв, окисление и остатки флюса, но упор на неполное смачивание/незаполненную щель не соответствует реальному избытку припоя.
GPT-5.6 Terra (high)	6	7	8	6.3	Верно про грубый наплыв и шероховатую поверхность, но диагноз непровар/подрез не соответствует реальному избытку припоя; серьёзность завышена.
GPT-5.6 Luna (low)	6	7	8	6.3	Верно про наплыв/неравномерный припой и грубую бугристую поверхность, но добавил непровар/ослабление стенки; серьёзность слегка завышена.
GPT-5.6 Luna (med)	6	7	8	6.3	Диагноз непропай с гипотетической трещиной; частично верно про неровный валик, но акцент на непровар и возможную трещину не подтверждён картинкой.
GPT-5.6 Luna (high)	6	7	8	6.3	Отметил наплыв и следы флюса, разумно указал на необходимость контроля, но упор на непропай/раковину не соответствует реальному избытку припоя.
Qwen3.6-35B-A3B-FP8	5	8	9	5.7	Детальный разбор, верно отметил чёрный ободок торца и грязный флюс, но диагноз 'холодная пайка/непровар' обратен реальному избытку припоя и серьёзность завышена до критической.
Kimi K2.6	5	8	9	5.7	Очень подробно и грамотно, но основной диагноз 'недолив/холодная пайка' противоречит реальному избытку и брызгам припоя, серьёзность завышена до критической.
diffusion-gemma	5	7	8	5.5	Верно опознал пайку и волнообразные наплывы, но диагноз 'неполный провар' обратен реальному избытку и серьёзность завышена до критической.
Nemotron-3-Nano-Omni-30B	5	6	6	5.2	Диагноз 'неполное заполнение/недолив' обратен реальности, много повторов и опечаток (припя, отвозе, англ. fitting), серьёзность завышена.

Лучший ответ у gemma-4-31b: точно назвал избыток припоя (перелив), застывшие капли и среднюю серьёзность — единственный, полностью совпавший с эталоном. Большинство моделей ошибочно диагностировали 'непровар/недолив' вместо реального избытка/брызг припоя.

Детекция/локализация

detect_нефтегаз_03edd93be7 — Расположение газового факела на промысле

detect · промпт 374 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

На изображении показан объект нефтегазового промысла в сумерках. Найди на снимке горящий газовый факел (пламя на вершине факельной установки) и опиши его расположение: в какой части кадра он находится, в какую сторону отклоняется пламя и что находится непосредственно под пламенем. Также укажи, где в кадре расположено вытянутое тёмное строение (вагон-дом/модульное здание).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Факел справа вверху, наклон влево, мачта под ним, строение слева — всё верно.
GPT-5.5 (low)	10	9	10	9.9	Факел справа вверху, наклон влево-вверх, труба под ним, строение слева внизу у деревьев — точно.
GPT-5.5 (medium)	10	9	10	9.9	Полностью верное и точное описание всех четырёх элементов.
Nemotron-3-Nano-Omni-30B	10	9	10	9.9	Факел справа вверху, слегка влево, мачта под ним, строение слева внизу — верно.
Kimi K2.6	10	9	10	9.9	Детально и точно: факел справа вверху, наклон влево, мачта, строение слева внизу у кромки леса.
GPT-5.6 Sol (low)	10	9	10	9.9	Факел справа вверху, наклон влево, труба под ним, строение слева внизу — точно.
GPT-5.6 Terra (low)	10	9	10	9.9	Все элементы указаны точно: факел справа вверху, наклон влево, мачта, строение слева внизу.
GPT-5.6 Terra (med)	10	9	10	9.9	Факел справа вверху, наклон влево-вверх, труба под ним, строение слева внизу — верно.
GPT-5.6 Terra (high)	10	9	10	9.9	Факел справа вверху, наклон влево, труба под ним, строение слева внизу — верно.
GPT-5.6 Luna (med)	10	9	10	9.9	Факел справа вверху, наклон влево, металлическая труба, строение слева внизу — верно.
GPT-5.6 Luna (high)	10	9	10	9.9	Факел справа вверху, наклон влево к верхнему углу, труба под ним, строение слева внизу — точно.
diffusion-gemma	10	9	8	9.7	Всё верно: факел справа вверху, наклон влево, строение слева внизу; мелкая опечатка 'в влево'.
Qwen3.6-27B-FP8	9	9	10	9.1	Всё правильно; наклон описан как 'вертикально с небольшим отклонением влево' — чуть занижен, но верно, строение слева внизу.
gemma-4-31b	9	9	10	9.1	Факел справа вверху с наклоном влево, мачта под ним; строение слева, но 'средний план' менее точен, чем низ.
GPT-5.6 Sol (med)	9	9	10	9.1	Наклон влево и строение слева внизу верны; факел назван 'правее центра' вместо явно правого верха.
MiniMax-M3	9	8	9	8.9	Все четыре ключевых пункта верны: факел справа вверху, наклон пламени влево, под пламенем факельная мачта, вагон-дом слева внизу. Небольшой минус за домыслы об оборудовании у основания (сепаратор, обвязка) и излишнюю декоративность с эмодзи.
llama-scout	8	8	9	8.1	Факел справа, наклон влево, строение слева — верно, но не уточнена верхняя часть кадра для факела.
GPT-5.6 Luna (low)	4	9	10	5.1	Ошибка: пламя отклоняется 'вправо', тогда как оно наклонено влево; остальное верно.

Большинство моделей ответили верно; выделяются gpt-5.5-medium и kimi-k2.6 точностью и детализацией. luna-low ошиблась в направлении наклона пламени.

detect_нефтегаз_1e17d1d9cf — Расположение газового факела

detect · промпт 323 симв. · Победитель: MiniMax-M3 · 8.9/10

▸Промпт задачи

На изображении показан промышленный объект нефтегазовой отрасли. Найдите на снимке горящее пламя (газовый факел) и опишите его расположение: из какой части кадра оно выходит, от какого объекта исходит и в каком направлении распространяется. Укажите также, сколько вертикальных труб (факельных стволов) видно на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	8	9	8.9	Все проверяемые факты верны: две трубы, пламя из вершины левой/передней трубы, направление по диагонали вправо-вверх, отмечены оторвавшиеся фрагменты пламени и ветер. Мелкая неточность в оценке высоты начала пламени (~1/4 вместо ~40% от низа) и избыточно тяжёлая разметка заголовками для короткого вопроса.
GPT-5.6 Luna (med)	9	8	9	8.9	Источник — верх левой трубы, направление вверх-вправо, две трубы; точно и ясно.
GPT-5.6 Luna (high)	9	8	9	8.9	Точно указан источник — верх левой трубы, направление вправо-вверх, две трубы; полное соответствие эталону.
GPT-5.6 Terra (low)	9	7	9	8.8	Верно выделен левый из двух стволов как источник и направление вверх-вправо.
GPT-5.6 Luna (low)	9	7	9	8.8	Верно выделена левая труба и направление вправо-вверх; кратко.
Kimi K2.6	8	9	10	8.3	Развёрнуто и точно: две трубы, направление вправо-вверх, отличный русский; источник отнесён к обеим трубам.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Верно: две трубы, источник у верха левой установки, направление вправо-вверх; не выделил именно переднюю/левую трубу.
llama-scout	8	8	9	8.1	Две трубы и направление вправо-вверх указаны верно, но источник приписан обеим трубам, а не левой/передней.
gemma-4-31b	8	8	9	8.1	Кратко и точно: две трубы, направление вправо-вверх; анализ минимален.
GPT-5.5 (low)	8	8	9	8.1	Верно: две трубы, направление вправо-вверх; источник отнесён к обеим верхушкам.
GPT-5.5 (medium)	8	8	9	8.1	Две трубы и диагональ вправо-вверх указаны верно, без выделения передней трубы.
GPT-5.6 Sol (low)	8	8	9	8.1	Две трубы и диагональ вправо-вверх верны, источник отнесён к обеим трубам.
GPT-5.6 Sol (med)	8	8	9	8.1	Верно: две трубы, направление вправо-вверх; без выделения передней трубы.
GPT-5.6 Terra (med)	8	8	9	8.1	Две трубы и диагональ вправо-вверх верны; источник отнесён к верхушкам обеих труб.
GPT-5.6 Terra (high)	8	8	9	8.1	Две близко стоящие трубы и направление вправо-вверх указаны верно.
diffusion-gemma	8	7	8	7.9	Содержание верное (2 ствола, направление вправо-вверх), но есть мусорный символ '{:' в тексте.
Nemotron-3-Nano-Omni-30B	8	7	6	7.7	Факты верны, но грубая ошибка согласования '2 вертикальных труба'.
Qwen3.6-27B-FP8	7	9	9	7.4	Всё верно, но упомянут дым, которого на однородном небе нет — небольшая выдумка.

Почти все ответы верны (две трубы, направление вправо-вверх); выше оценены модели, точно указавшие источник — верхушку левой/передней трубы. Luna-high лаконичен и полностью соответствует эталону.

detect_нефтегаз_3778287e99 — Расположение факела на газовой установке

detect · промпт 277 симв. · Победитель: GPT-5.5 (low) · 9.8/10

▸Промпт задачи

На ночном снимке изображена газовая факельная установка. Найдите на изображении горящее пламя факела и опишите его расположение: в какой части кадра оно находится, в какую сторону относит дым, и где относительно пламени находится вертикальная мачта (ствол) факельной установки.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (low)	10	8	10	9.8	Точно и детально: левее центра вверху, жёлто-белое пламя, дым вправо-вверх полосой, тонкий ствол под пламенем.
GPT-5.5 (medium)	10	8	10	9.8	Точное описание: пламя чуть левее центра выше середины, дым вправо с подъёмом, мачта под огнём.
MiniMax-M3	9	9	9	9.0	Все три проверяемых факта верны: пламя в верхней левой части, дым уносит вправо и вверх, мачта идёт вертикально вниз под пламенем в левоцентральной зоне. Небольшая неточность в описании мачты как 'тёмного стержня' (она подсвечена оранжевым), не упомянута платформа и городские огни.
Qwen3.6-27B-FP8	9	8	9	8.9	Пламя в верхней левой части, дым вправо, мачта под пламенем — всё верно. Не отмечен подъём дыма вверх.
Qwen3.6-35B-A3B-FP8	9	8	9	8.9	Пламя верхнее-левое, дым вправо и вверх, мачта строго под пламенем и уходит вниз — точно.
diffusion-gemma	9	8	9	8.9	Верхняя левая часть, дым вправо-вверх, мачта под пламенем — все факты корректны.
Kimi K2.6	9	8	9	8.9	Верхняя левая треть левее центра, дым вверх и вправо, мачта под пламенем на вершине столба — верно.
GPT-5.6 Sol (low)	9	7	9	8.8	Пламя вверху немного левее центра, дым вправо-вверх, мачта под пламенем до нижнего края — точно.
GPT-5.6 Sol (med)	9	7	9	8.8	Аналогично sol-low: все ключевые факты верны и внятно изложены.
GPT-5.6 Terra (low)	9	7	9	8.8	Верхняя левая часть левее центра, дым вправо, мачта под пламенем вниз — корректно, лаконично.
GPT-5.6 Terra (med)	9	7	9	8.8	Пламя вверху слева, дым почти горизонтально вправо, мачта под пламенем вниз по кадру — верно.
GPT-5.6 Luna (low)	9	7	9	8.8	Пламя верхнее центрально-левое, дым вправо-вверх, мачта под пламенем до низа кадра — верно, кратко.
GPT-5.6 Luna (med)	9	7	9	8.8	Верно указаны положение пламени, снос дыма вправо-вверх и мачта под пламенем левее центра.
GPT-5.6 Luna (high)	9	7	9	8.8	Верхняя центрально-левая часть, дым почти горизонтально вправо, мачта под пламенем — корректно.
llama-scout	8	7	9	8.0	Верно: пламя вверху слева, отклонение вправо. Мачту разместил 'по центру', тогда как она левее-центра.
gemma-4-31b	8	7	9	8.0	'Верхняя центральная со смещением влево' приемлемо, дым вправо и мачта под пламенем верны, но кратко.
GPT-5.6 Terra (high)	8	7	9	8.0	'Левая центральная часть' менее точно (пламя выше), но дым вправо и мачта под пламенем верны.
Nemotron-3-Nano-Omni-30B	8	5	1	7.0	Факты верны, но ответ на английском языке и предельно краток — русский фактически отсутствует.

Большинство моделей ответили корректно; наиболее точны и детальны gpt-5.5-low/medium. Nemotron-omni ответил по-английски, что резко снизило балл за русский.

detect_нефтегаз_d39a8dd2ab — Локализация факельной установки на нефтегазовом объекте

detect · промпт 352 симв. · Победитель: Kimi K2.6 · 10.0/10

▸Промпт задачи

На изображении показан зимний нефтегазовый объект. Найди на снимке факельную установку (вертикальную свечу/мачту с горящим факелом наверху) и опиши её расположение в кадре: в какой части кадра по горизонтали она находится, где именно горит пламя, и что находится у основания мачты. Также укажи, в каком направлении относительно мачты отклоняется пламя.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	10	10	10.0	Максимально полно и точно: ферма, лестницы, растяжки, эстакада, лес, наклон влево.
GPT-5.5 (low)	9	9	10	9.1	Центр, пламя наверху, наклон влево, эстакада и лес — верно; лишь позиция чуть смещена.
GPT-5.5 (medium)	9	9	10	9.1	Верх, площадка с ограждением, эстакада, наклон влево — точно и полно.
GPT-5.6 Sol (med)	9	9	10	9.1	Центр, верх, наклон влево, эстакада и лес — верно.
GPT-5.6 Terra (low)	9	9	10	9.1	Центр, верх, трубопроводы и лес, наклон влево — точно.
GPT-5.6 Terra (med)	9	9	10	9.1	Центр (левее), верх, наклон влево, наземные трубопроводы — верно.
GPT-5.6 Terra (high)	9	9	10	9.1	Центр, пламя наверху, эстакада, наклон влево — верно.
GPT-5.6 Luna (low)	9	9	10	9.1	Позиция чуть левее центра (верно), пламя наверху, наклон влево — точно.
GPT-5.6 Luna (med)	9	9	10	9.1	Центр (левее), верх, наклон влево, площадки и трубопроводы — верно.
GPT-5.6 Luna (high)	9	9	10	9.1	Центр, верх, площадки и трубопроводы, наклон влево — всё верно.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Центр, пламя наверху, лестницы и растяжки у основания, наклон влево — всё верно.
MiniMax-M3	9	9	9	9.0	Все ключевые факты верны: мачта чуть левее центра, пламя на вершине с отклонением влево, площадка с лестницей и растяжками, эстакады и красный столбик. Небольшие огрехи: завышена высота пламени (2-3 высоты мачты) и трубопроводы переднего плана отнесены к основанию мачты.
Nemotron-3-Nano-Omni-30B	6	6	8	6.2	Центр и пламя наверху верно, но не указан наклон влево и мало деталей у основания.
GPT-5.6 Sol (low)	5	9	10	5.9	Локализация и эстакада верны, но наклон пламени указан вправо — ошибка.
Qwen3.6-27B-FP8	5	9	9	5.8	Центр, верх, трубопроводы и лес верно, но направление наклона указано вправо/вертикально — неверно.
gemma-4-31b	5	9	9	5.8	Центр, верх, лес и трубопроводы верно, но наклон пламени указан вправо — ошибка.
llama-scout	5	8	9	5.7	Локализация верна, но наклон пламени указан вправо — ошибка в ключевом факте.
diffusion-gemma	4	6	5	4.3	Наклон вправо неверен, плюс битые фрагменты текста (наة, сним) портят читаемость.

Kimi даёт самое полное и точное описание (ферма, растяжки, эстакада, лес, наклон влева). Модели с наклоном вправо (llama, 27b, gemma, diffusion, sol-low) резко теряют в correctness.

detect_стройка_169fea0c8d — Трещина в стене из газоблоков

detect · промпт 359 симв. · Победитель: GPT-5.5 (medium) · 8.9/10

▸Промпт задачи

На фото — фрагмент стены, выложенной из белых блоков (газобетон/пеноблоки) на сером цементном растворе. Найдите на изображении главный дефект кладки — трещину. Опишите её расположение и характер: в какой части кадра она проходит, как ориентирована (вертикально/горизонтально/наклонно) и через какие элементы кладки (тело блока или растворный шов) она тянется.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (medium)	9	8	9	8.9	Образцово: почти вертикальная с наклоном трещина в центре, сквозь тело верхнего и нижнего блока, пересекает шов, структурный характер.
GPT-5.6 Sol (low)	9	8	9	8.9	Очень точно и детально: центр чуть левее, наклон вниз-вправо, сквозь тело блоков, пересечение шва, ответвления вдоль шва.
GPT-5.6 Sol (med)	9	8	9	8.9	Точно: центр, наклон вниз-вправо, почти вертикально, основная часть именно по телу блоков, а не по швам.
GPT-5.6 Terra (med)	9	8	9	8.9	Точно: центр, наклон вниз-вправо затем вертикально, диагонально-вертикальная сквозь сами блоки с пересечением шва.
GPT-5.6 Terra (high)	9	8	9	8.9	Точно: центр, наклон вниз-вправо, пересекает горизонтальный шов, рассекает сами блоки, а не идёт по шву.
Qwen3.6-27B-FP8	8	8	9	8.1	Точно: центр (чуть левее), вертикально с наклоном, сквозь тело блоков и через горизонтальный шов. Хорошее описание.
Qwen3.6-35B-A3B-FP8	8	8	9	8.1	Верно: центр, наклонно-вертикальная, сквозь тело блока и пересекает горизонтальный шов. Изгиб вправо не подчёркнут, но суть точна.
gemma-4-31b	8	8	9	8.1	Верно: центральная (ближе к левой) вертикальная трещина сквозь тело верхнего и нижнего блока с пересечением шва.
GPT-5.6 Terra (low)	8	8	9	8.1	Верно: центр, старт в верхнем блоке, наклон вниз-вправо, пересекает шов, продолжается по телу нижнего блока.
GPT-5.6 Luna (low)	8	8	9	8.1	Верно: центр, наклон вниз-вправо затем вертикально, сквозь тело блока и частично по шву.
GPT-5.6 Luna (med)	8	8	9	8.1	Верно: центр, наклон вправо затем вертикально, в основном сквозь тело блоков, пересекает шов.
GPT-5.6 Luna (high)	8	8	9	8.1	Точно и кратко: центр, наклонно-вертикальная, сквозь тело верхнего и нижнего блока с пересечением горизонтального шва.
GPT-5.5 (low)	8	7	9	8.0	Точно: центр, наклон вниз-вправо, пересекает горизонтальный шов, идёт сквозь тело блоков, а не по шву.
MiniMax-M3	7	9	9	7.4	Главное определено верно: одна наклонно-вертикальная трещина в центральной части, идущая сверху вниз с отклонением вправо и рассекающая тело блоков, а не только шов. Снижено за смещение локализации в 'левую' зону и за придуманные дополнительные дефекты (горизонтальный волосяк, выкрошенный и 'разорванный' шов, повреждение шва справа), которых на фото не видно.
diffusion-gemma	6	7	5	6.0	В целом верно (через тело блоков и шов), но локализация 'левая и центральная' смещена и есть опечатки ('Дещина','блодами').
Kimi K2.6	5	9	9	5.8	Элементы (тело блоков + шов) верны, но ориентация завышена как диагональ 30-40° к горизонту — трещина преимущественно вертикальная.
Nemotron-3-Nano-Omni-30B	5	8	8	5.6	Тело блоков и шов отмечены верно, но ошибочно ограничивает трещину верхней половиной кадра и описывает как чисто диагональную.
llama-scout	1	7	8	2.3	Грубая ошибка локализации: трещина помещена в правую часть кладки у верхнего правого угла. По эталону это неверно.

Лучшие ответы (gpt-5.5-medium, sol/terra-варианты) точно указали центральную наклонно-вертикальную трещину сквозь тело блоков с пересечением шва. llama-scout полностью промахнулась по локализации (правый край).

detect_стройка_65c09e9911 — Поиск металлических саморезов на бетоне

detect · промпт 292 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На фотографии рабочий шпателем заделывает раствором повреждённый участок бетонного основания. Найди на изображении вкрученные (вбитые) в бетон металлические крепёжные элементы — саморезы/анкеры с резьбой. Сколько их видно и в какой части кадра они расположены? Опиши их взаимное расположение.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Точно: 3, нижняя-левая зона, диагональ от левого края к центру/шпателю, равные интервалы. Отлично.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верно: 3 элемента, левая-нижняя зона, диагональ к центру/раствору, равные интервалы. Полный и точный ответ.
GPT-5.5 (low)	10	9	10	9.9	Точно: 3, нижняя/центрально-левая зона, диагональ сверху-вправо вниз-влево, поэлементно расписано. Отлично.
GPT-5.5 (medium)	10	9	10	9.9	Верно: 3, нижняя-левая/центр, диагональ, поэлементное описание, отмечена синева стержней. Полный ответ.
Kimi K2.6	10	9	10	9.9	Точно: 3, левая-нижняя/центр, диагональ вдоль трещины, равные интервалы, верхний у раствора. Детально и верно.
GPT-5.6 Sol (low)	10	9	10	9.9	Точно: 3, левая-нижняя/центр, диагональ сверху-справа вниз-налево, поэлементно. Отличный ответ.
llama-scout	10	9	9	9.8	Правильно: 3, левая-нижняя часть, диагональ к нижнему левому углу, перечислено взаимное положение. Чёткий ответ.
diffusion-gemma	10	9	9	9.8	Правильно: 3, нижняя-левая часть, диагональ к шпателю, параллельны, равные интервалы. Хороший ответ.
GPT-5.6 Sol (med)	10	8	10	9.8	Верно 3 и левая зона; диагональ описана слегка противоречиво (вертикальная цепочка + слева-сверху направо-вниз), но суть верна.
GPT-5.6 Terra (low)	10	8	10	9.8	Верно: 3, нижняя левая/центр, диагональ сверху-справа вниз-влево, параллельны. Кратко и корректно.
GPT-5.6 Terra (med)	10	8	10	9.8	Верно: 3, нижняя левая/центр, диагональ снизу-слева вверх к шпателю. Точно и ясно.
GPT-5.6 Terra (high)	10	8	10	9.8	Верно: 3, нижняя-центральная левее центра, диагональ от верхнего-правого к нижнему-левому, параллельны. Точно.
GPT-5.6 Luna (med)	10	8	10	9.8	Верно: 3, нижняя центрально-левая зона, диагональ, параллельны. Кратко и корректно.
GPT-5.6 Luna (high)	10	8	10	9.8	Верно: 3, центр/низ, диагональ от верхнего-правого к нижнему-левому. Кратко, но точно.
MiniMax-M3	9	9	10	9.1	Верно названы 3 крепёжных элемента, левая/нижне-левая зона и диагональное расположение вдоль трещины — все ключевые пункты эталона покрыты. Небольшие вольности: упоминание видимых «головок» (видны скорее стержни/острия) и домысел про армирующие «мостики».
gemma-4-31b	9	8	10	9.0	Верно 3 и диагональ вниз-влево из центра, зона указана корректно, но описание короче и менее детально.
GPT-5.6 Luna (low)	9	8	10	9.0	Число 3 и низ-центр верны, но направление диагонали 'сверху слева вниз направо' неточно (реально вниз-влево).
Nemotron-3-Nano-Omni-30B	9	6	6	8.4	Число и левая зона верны, диагональ от центра вниз-влево. Но вставлено английское 'roughly', формулировка путаная.

Почти все модели верно назвали 3 элемента, левую/нижнюю-левую зону и диагональное расположение. Лучшие — детальные и точные по направлению (gpt-5.5, sol-low, kimi, 27b-v2); nemotron слабее из-за путаной формулировки и англицизма.

detect_стройка_9d8c4a26ba — Расположение трещины на стене

detect · промпт 389 симв. · Победитель: GPT-5.5 (low) · 8.2/10

▸Промпт задачи

На фотографии показан угол помещения с окрашенной в светло-бирюзовый цвет стеной и окном справа. Найдите на изображении главный дефект конструкции — крупную сквозную трещину. Опишите её расположение и направление: с какого края/угла кадра она начинается, в каком направлении тянется и где заканчивается. Укажите примерную ориентацию трещины (вертикальная, горизонтальная или диагональная).

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (low)	8	8	10	8.2	Точно: диагональ сверху-слева-вниз-вправо, начало у потолочной линии, конец в нижней центрально-правой части, левее выступа у окна — близко к эталону.
GPT-5.6 Sol (low)	8	7	10	8.1	Точно: начало у верхнего края правее левого угла, диагональ через центр, конец в нижней части левее окна — соответствует эталону.
GPT-5.6 Sol (med)	8	7	10	8.1	Точно: начало вверху, диагональ через центр, конец у нижнего края правее центра — близко к реальному положению.
Kimi K2.6	7	9	10	7.5	Объект, начало вверху-слева и диагональ верны, отмечен зигзаг и ответвления; конец отнесён к нижне-правой подоконной зоне, чуть смещён от центра.
diffusion-gemma	7	9	9	7.4	Верно объект, начало вверху-слева и диагональ; отмечены изгибы и отслоения. Конец слегка смещён к углу/окну, но в целом близко.
GPT-5.5 (medium)	7	8	10	7.4	Верное начало и диагональ, подробно; конец смещён к нижне-правой части у основания угла под окном чуть дальше центра.
GPT-5.6 Terra (low)	7	7	10	7.3	Верно начало вверху-слева и диагональ; конец у нижнего края, но приближение к внутреннему углу у окна немного смещено.
GPT-5.6 Terra (med)	7	7	10	7.3	Начало вверху-слева, диагональ и конец в центре-низу указаны верно, хотя проход через угол у окна не совсем точен.
GPT-5.6 Terra (high)	7	7	10	7.3	Начало вверху-слева и диагональ верны, отмечен вертикальный участок; конец у нижнего края, но привязка к углу у окна слегка неточна.
GPT-5.6 Luna (low)	7	7	10	7.3	Начало вверху-слева и диагональ верны, конец в нижней центрально-правой части у угла под окном — близко к эталону.
GPT-5.6 Luna (med)	7	7	10	7.3	Верно зигзаг и диагональ, начало вверху-слева; конец отнесён к углу под подоконником, слегка смещён.
GPT-5.6 Luna (high)	7	7	10	7.3	Верно начало вверху-слева и диагональ, отмечен вертикальный участок к концу; конец у нижнего края правее — близко, но чуть смещён к окну.
Nemotron-3-Nano-Omni-30B	7	6	9	7.1	Кратко, но корректно: начало у верхнего края близко к левому углу, диагональ вниз-вправо, конец у нижнего края. Мало деталей.
Qwen3.6-27B-FP8	6	9	10	6.7	Правильно названы трещина, начало вверху-слева и диагональ; конец неверно указан в нижне-правом углу у подоконника.
Qwen3.6-35B-A3B-FP8	6	9	10	6.7	Объект и диагональное направление верны, начало вверху-слева точное; конец ошибочно отнесён к нижне-правому углу у окна вместо центра-низа у пола.
gemma-4-31b	6	9	10	6.7	Начало (верх, левее центра) и диагональ верны, но окончание ошибочно у внутреннего угла возле подоконника, а не в центре-низу.
llama-scout	6	8	9	6.5	Верно определены объект и диагональ сверху-слева-вниз-вправо, но ошибочно указано, что трещина заканчивается на подоконнике у правого края — она уходит вниз к центру у пола.
MiniMax-M3	6	8	8	6.4	Объект (крупная трещина) и диагональное направление сверху-слева вниз-вправо определены верно, но конец трещины указан ошибочно — «примерно в середине высоты кадра», тогда как она доходит до низа кадра у пола; угол наклона тоже завышен (60–70° вместо ~45°). Формат и русский хорошие, хотя ответ избыточно детализирован домыслами о характере дефекта.

Почти все модели верно распознали диагональную трещину сверху-слева-вниз-вправо; различие в точности окончания. Лидируют gpt-5.5-low и sol-варианты, точнее указавшие конец в центре-низу, а не у окна.

detect_стройка_ad61d0f692 — Расположение трещины на оштукатуренной стене

detect · промпт 322 симв. · Победитель: Kimi K2.6 · 10.0/10

▸Промпт задачи

На фото — светлая оштукатуренная (бетонная/штукатурная) стена. Найди главный дефект на её поверхности: что это за дефект и в какой части кадра он расположен? Опиши траекторию: откуда он начинается, в каком направлении идёт и где разветвляется. Укажи также, в какой части снимка поверхность чистая, без видимых повреждений.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	10	10	10.0	Максимально полно и точно: правая вертикальная зона, начало правее центра, волнообразный ход вниз, Y-разветвление внизу справа, чистая левая часть.
MiniMax-M3	9	9	10	9.1	Дефект назван верно (трещина), траектория точна: старт у верхнего края в правой трети, ход вниз, Y-образное разветвление на две ветви к нижней правой зоне, чистая левая/нижне-левая часть. Небольшой минус за домыслы, не подтверждаемые кадром (сквозной характер, намокание/высолы) и за преувеличение 'правая половина полностью прорезана'.
Qwen3.6-27B-FP8	9	9	9	9.0	Корректно: трещина в правой части, начало правее центра, разветвление внизу справа, чистая левая часть. Кратко и точно.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Точно назвала трещину, правую часть, начало вверху правее центра, разветвление внизу и чистую левую часть. Детально и корректно.
GPT-5.5 (low)	9	9	9	9.0	Очень точно: начало правее центра, вертикаль, изгиб вправо, диагональ и разветвление внизу справа, чистая левая/нижне-левая зона.
GPT-5.5 (medium)	9	9	9	9.0	Точная траектория с разветвлением внизу справа и чистой левой частью. Аккуратно и детально.
GPT-5.6 Sol (low)	9	9	9	9.0	Детально и верно: начало правее центра, поворот вправо-вниз, разветвление в нижней правой четверти, чистая левая часть.
GPT-5.6 Sol (med)	9	9	9	9.0	Точно описаны трещина, диагональ вправо-вниз и разветвление в нижней правой четверти, чистая левая часть.
GPT-5.6 Terra (med)	9	9	9	9.0	Точно: трещина преимущественно в правой части, поворот вправо-вниз, разветвление, чистая левая и центральная часть.
GPT-5.6 Terra (high)	9	9	9	9.0	Верно: правая половина, начало по центру справа, поворот вправо-вниз, разветвление, чистая левая/верхне-левая зона.
GPT-5.6 Luna (low)	9	9	9	9.0	Корректно описаны трещина, диагональ к нижнему правому углу, разветвление и чистая левая/центральная часть.
GPT-5.6 Luna (med)	9	9	9	9.0	Точно: начало центрально-правее, диагональ к правому нижнему углу, разветвление справа, чистая левая часть.
GPT-5.6 Luna (high)	9	9	9	9.0	Верно: начало правее центра, вертикаль, диагональ вправо-вниз, разветвление справа, чистая левая часть. Кратко и точно.
gemma-4-31b	8	9	9	8.2	Верно: трещина в правой части, разветвление внизу справа. Чистой названа левая и центральная, хотя у центра-низа есть трещина — небольшая неточность.
llama-scout	8	8	9	8.1	Верно: трещина, начинается сверху-справа, диагональ, разветвляется внизу справа, слева чисто. Чуть менее точна в деталях траектории.
diffusion-gemma	8	9	8	8.1	Верно определила трещину и разветвление внизу справа, чистую левую часть. Начало смещено в 'самую верхнюю правую' вместо центра-справа.
GPT-5.6 Terra (low)	8	8	9	8.1	Корректно: трещина справа, поворот к правому краю, ответвления, чистая левая половина. Разветвление названо мягче ('ответвления').
Nemotron-3-Nano-Omni-30B	6	6	8	6.2	Трещина и разветвление названы, левая часть чистой — верно. Но формулировка '60% вниз от нижнего края' путаная, локализация в правой части выражена слабо.

Все модели верно распознали трещину, её ход в правой части и разветвление внизу справа. Kimi-k2.6 дала наиболее полное и точное описание траектории и чистой зоны; nemotron-omni слабее из-за путаной локализации.

detect_стройка_c2d2bb1405 — Положение наконечника зубила на стене

detect · промпт 414 симв. · Победитель: GPT-5.6 Terra (med) · 8.9/10

▸Промпт задачи

На фото — фрагмент бетонной (оштукатуренной) стены и строительный инструмент. Найдите на изображении заострённый металлический наконечник (рабочий конец зубила/пики отбойного инструмента) и опишите, где он расположен: с какой стороны кадра он входит, в какую сторону направлено остриё и в какую часть стены оно упирается. Также укажите, в какой части кадра проходит горизонтальная трещина с осыпавшимся материалом.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Terra (med)	9	8	9	8.9	Наиболее точно: вход слева примерно по центру высоты, остриё вправо в центрально-правую повреждённую зону у трещины, сама трещина в верхней трети.
MiniMax-M3	8	9	9	8.2	Верно указан вход стержня слева, направление острия вправо и упор в зону трещины/скола; трещина отнесена к верхней части кадра. Небольшие неточности: положение трещины описано как 'чуть выше центральной горизонтали' (фактически верхняя треть), а острие названо упирающимся в правый край повреждённого участка, тогда как оно примерно в центре кадра.
Kimi K2.6	8	9	9	8.2	Детально и точно: слева, наконечник правее центра, остриё вправо, трещина в верхней трети с оголёнными кирпичами.
GPT-5.5 (medium)	8	8	9	8.1	Точно: вход слева, остриё вправо в центрально-правую часть, трещина в верхней половине над инструментом.
GPT-5.6 Luna (high)	8	8	9	8.1	Верно: наконечник в центре, вход слева, остриё вправо в осыпавшийся участок, трещина в верхней половине.
Qwen3.6-27B-FP8	8	8	8	8.0	Точно: вход слева, остриё вправо, трещина в верхней трети; корректно замечено, что инструмент у нижней кромки повреждённой зоны.
GPT-5.6 Terra (low)	8	8	8	8.0	Точно: вход слева, остриё вправо в центрально-правую часть, трещина в верхней трети по всей ширине.
GPT-5.6 Sol (low)	8	7	8	7.9	Точно и лаконично: слева, остриё вправо в правой части центра, трещина в верхней трети над инструментом.
GPT-5.5 (low)	7	8	9	7.3	Хорошее описание: слева, остриё вправо в центр; неточность — остриё названо чуть выше середины, тогда как оно около центра/ниже.
GPT-5.6 Sol (med)	7	8	8	7.2	Остриё вправо в центрально-правую часть и трещина вверху верно; вход указан на уровне верхней трети — чуть выше реального.
Qwen3.6-35B-A3B-FP8	7	7	8	7.1	Вход слева, остриё вправо и трещина в верхней трети — верно; но острие названо упирающимся прямо в трещину, тогда как оно в центре ниже неё.
gemma-4-31b	7	7	8	7.1	Основные факты верны (слева, вправо, трещина вверху), но кратко и остриё привязано прямо к трещине.
GPT-5.6 Terra (high)	7	7	8	7.1	Слева, остриё вправо, трещина в верхней трети — верно; зона острия названа верхней центральной, хотя ближе к центру.
GPT-5.6 Luna (low)	7	7	8	7.1	В основном верно, но наконечник отнесён к верхней центральной части, тогда как он у центра высоты.
GPT-5.6 Luna (med)	7	7	8	7.1	Слева, вправо, трещина вверху — верно; наконечник несколько завышен по высоте (назван в верхней центральной части).
Nemotron-3-Nano-Omni-30B	6	7	8	6.3	Вход слева и остриё вправо верно, но наконечник ошибочно отнесён к верхней части стены — он в центре.
diffusion-gemma	6	7	7	6.2	Вход слева, остриё вправо в центр-правую часть, трещина вверху — верно; но выдумана ржавая арматура, которой на фото нет.
llama-scout	4	7	8	4.7	Вход слева и остриё вправо верно, но наконечник ошибочно отнесён к нижней части, а трещина — к середине кадра, хотя она в верхней части.

Большинство верно определили вход слева, направление острия вправо и трещину в верхней части. Лучший — terra-medium, точно указавший центральную высоту входа и положение наконечника; слабейший — llama-scout (наконечник внизу, трещина в середине).

detect_стройка_0aab360559 — Расположение самой широкой трещины на стене

detect · промпт 328 симв. · Победитель: Kimi K2.6 · 8.9/10

▸Промпт задачи

На фотографии — оштукатуренная (бетонная) стена с сетью трещин. Найди самую широкую и тёмную (раскрытую) трещину на изображении. Опиши, где она проходит: с какой стороны кадра начинается, в каком направлении тянется и через какую часть изображения проходит. Также укажи, сколько примерно крупных раскрытых трещин видно на стене.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	9	8	9	8.9	Точно: старт у верхнего края правее центра, диагональ вниз-влево через центр (чёрная расщелина с отошедшими краями) к низу центра/левее. Наиболее соответствует эталону.
GPT-5.5 (medium)	8	8	9	8.1	Точно описала центральную главную трещину сверху вниз и вторую крупную справа от верхнего правого края — соответствует эталону.
GPT-5.6 Terra (high)	8	7	9	8.0	Центральная главная трещина сверху вниз с диагональю к нижнему центру — точно и лаконично.
MiniMax-M3	7	9	9	7.4	Главная трещина определена верно — центральная, идёт сверху вниз с ветвлением (лишь начало смещено 'чуть левее' вместо правее центра). Завышено число крупных раскрытых трещин (5 против фактических ~2, часть перечисленного — тонкие линии и швы), плюс придуманная точная оценка раскрытия 3-5 мм; изложение структурное и на хорошем русском.
Qwen3.6-35B-A3B-FP8	7	8	9	7.3	Верно: центральная вертикально-наклонная трещина сверху (чуть левее центра) вниз через центр к низу. Хорошая структура.
GPT-5.5 (low)	7	7	9	7.2	Центральная почти вертикальная трещина сверху вниз с изгибом вправо и связкой с горизонтальной — корректно.
GPT-5.6 Sol (low)	7	7	9	7.2	Центральная трещина зигзагом сверху вниз к низу середины кадра — верно.
GPT-5.6 Sol (med)	7	7	9	7.2	Центральная трещина сверху вниз-вправо к нижнему краю — корректно.
GPT-5.6 Terra (low)	7	7	9	7.2	Центральная трещина сверху вниз с ветвлением к низу центра-справа; перечислены прочие крупные — верно.
GPT-5.6 Terra (med)	7	7	9	7.2	Центральная трещина сверху вниз через центр, внизу изгиб вправо — корректно.
GPT-5.6 Luna (low)	7	7	9	7.2	Верно определена центральная трещина сверху вниз; число трещин 7-8 завышено.
GPT-5.6 Luna (med)	7	7	9	7.2	Центральная трещина сверху вниз через центр к низу центрально-правой части — корректно.
GPT-5.6 Luna (high)	7	7	9	7.2	Центральная трещина сверху вниз с изгибом вправо; окончание чуть смещено вправо, но в целом верно.
gemma-4-31b	6	7	9	6.4	Старт вверху справа, диагональ вниз-влево к центру — в целом близко к реальной картине, но кратко и без указания низа-центра.
diffusion-gemma	6	7	5	6.0	Направление сверху справа вниз-влево к нижнему левому — верно, но текст с обрезкой первого слова и опечатками (волонистыми).
Nemotron-3-Nano-Omni-30B	5	7	9	5.6	Старт вверху чуть правее центра верен, но окончание уведено в нижний правый угол вместо центра/левее низа.
Qwen3.6-27B-FP8	3	8	9	4.1	Развернула направление (снизу вверх-вправо) и увела трещину в правую часть — главная центральная трещина описана неверно.
llama-scout	2	6	8	3.0	Указала старт с середины левой стороны и окончание вверху — направление и расположение главной трещины неверны. Число трещин завышено (8-10).

Лучшая — kimi-k2.6: максимально точное описание главной центральной трещины (направление, раскрытие, окончание). Близки gpt-5.5-medium и terra-high. Провалы: llama-scout и 27b-v2 (неверное направление/расположение).

detect_нефтегаз_289475affa — Расположение факела на газовом стояке

detect · промпт 262 симв. · Победитель: Kimi K2.6 · 10.0/10

▸Промпт задачи

На изображении показан промышленный объект нефтегазовой отрасли. Найдите на картинке горящее пламя (факел) и опишите его расположение: в какой части кадра оно находится и относительно какого сооружения горит. Укажите цвет пламени и в какую сторону оно отклонено.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	10	10	10.0	Самый полный и точный ответ: левее центра, красно-белая полосатая труба справа, детально описан цвет, отклонение влево. Эталон.
Qwen3.6-35B-A3B-FP8	9	9	10	9.1	Верно: верх кадра левее центра, красно-белая факельная колонна справа, оранжево-жёлтый цвет, сильное отклонение влево. Всё точно.
diffusion-gemma	9	9	10	9.1	Точно: вершина красно-белой вышки справа, оранжево-жёлтый цвет, отклонение влево. Хорошая структура.
GPT-5.5 (low)	9	9	10	9.1	Верхняя часть левее центра, факельная труба справа, жёлто-оранжевый с дымным оттенком, отклонение влево — всё верно.
GPT-5.5 (medium)	9	9	10	9.1	Аналогично точный ответ: левее центра, труба справа, жёлто-оранжевый с копотью, отклонён влево.
GPT-5.6 Sol (low)	9	9	10	9.1	Левее центра, труба справа, жёлто-оранжевый, отклонён влево — точный ответ.
GPT-5.6 Sol (med)	9	9	10	9.1	Точно: левее центра, труба справа, жёлто-оранжевый с тёмным дымом, почти горизонтальное отклонение влево.
GPT-5.6 Terra (low)	9	9	10	9.1	Точно и с деталями: левее центра, красно-белая труба справа, жёлто-оранжевый с тёмными краями, отклонение влево.
GPT-5.6 Terra (med)	9	9	10	9.1	Левее центра, красно-белая труба справа, ярко-жёлтый с оранжевым, отклонён влево — верно.
GPT-5.6 Terra (high)	9	9	10	9.1	Левее центра, красно-белая труба справа, ярко-жёлтый с оранжевым, отклонён влево — верно.
GPT-5.6 Luna (low)	9	9	10	9.1	Верхняя центрально-левая часть, труба справа, отклонение влево, ярко-жёлтый с оранжевыми краями — точно.
gemma-4-31b	8	8	10	8.2	Верхняя часть, факельная труба, оранжево-жёлтый, отклонение влево — всё верно, но кратко, без деталей (нет красно-белой полосатости и уточнения левее центра).
Nemotron-3-Nano-Omni-30B	8	8	10	8.2	Верхняя часть, слева относительно красно-белой башни, оранжево-жёлтый, отклонение к левому верхнему углу — верно, но сжато.
GPT-5.6 Luna (med)	8	8	10	8.2	Верно про трубу и отклонение влево, цвет корректный, но локализация 'верхняя центральная' чуть менее точна.
GPT-5.6 Luna (high)	8	8	10	8.2	Верно про трубу справа, жёлто-оранжевый, отклонение влево, но 'верхней центральной' менее точно, чем 'левее центра', и очень кратко.
Qwen3.6-27B-FP8	7	9	10	7.5	Пламя ошибочно локализовано 'немного правее центра' (реально левее), но труба, цвет и отклонение влево указаны верно.
MiniMax-M3	7	9	9	7.4	Верно определены факельная свеча, оранжево-жёлтый цвет с дымным краем, отклонение влево и вторая негорящая мачта, но зона пламени указана ошибочно: 'правая треть' вместо верхней левой (левее центра) части кадра. В остальном разбор подробный, структурный и грамотный.
llama-scout	2	8	9	3.3	Направление отклонения указано неверно ('вправо и вниз'), реально влево; локализация 'правая треть' также неточна. Цвет и объект верны.

Большинство моделей ответили точно; kimi-k2.6 дал самое полное и корректное описание. llama-scout ошибся в направлении отклонения (вправо вместо влево).

detect_нефтегаз_4386ff8ac1 — Расположение регулировочного вентиля газовой горелки

detect · промпт 395 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

На изображении показана латунная газовая горелка (наконечник для газового баллона), лежащая на деревянном столе. Найди на горелке регулятор подачи газа (поворотный вентиль-маховик) и опиши его расположение и внешний вид: из какого материала и какого цвета он сделан, в какой части устройства находится. Укажи также, где относительно вентиля расположено сопло (узкий выходной наконечник) горелки.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Точно: чёрный пластиковый рифлёный вентиль сбоку массивного латунного блока справа внизу, сопло на противоположном конце слева вверху. Все факты верны.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Вентиль чёрный пластиковый рифлёный, справа внизу; сопло верно указано на противоположном конце (слева вверху) на изогнутой трубке.
GPT-5.5 (medium)	9	9	9	9.0	Чёрный пластиковый маховик справа сбоку латунного узла, сопло на противоположном конце слева сверху. Всё верно.
Kimi K2.6	9	9	9	9.0	Чёрный пластиковый рифлёный маховик у резьбового соединения сбоку латунного корпуса, сопло на дальнем конце влево-вверх. Верно и подробно.
GPT-5.5 (low)	9	8	9	8.9	Чёрный ребристый пластиковый маховик справа сбоку латунного основания у резьбы, сопло с противоположной стороны на изогнутой трубке слева. Верно и детально.
GPT-5.6 Sol (low)	9	8	9	8.9	Чёрный пластиковый ребристый маховик справа у узла крепления, сопло на противоположном конце левее и выше. Верно.
GPT-5.6 Sol (med)	9	8	9	8.9	Чёрный пластиковый рифлёный маховик справа внизу, сопло на противоположном конце слева и выше. Верно.
GPT-5.6 Terra (low)	9	8	9	8.9	Чёрный пластиковый рифлёный маховик справа возле узла подключения, сопло на противоположной стороне слева на латунной трубке. Верно.
GPT-5.6 Terra (med)	9	8	9	8.9	Чёрный пластиковый маховик справа внизу у латунного крепления, сопло на противоположном конце слева и выше. Верно.
GPT-5.6 Terra (high)	9	8	9	8.9	Чёрный пластиковый маховик справа у узла подключения к баллону, сопло с другой стороны слева на переднем конце. Верно.
GPT-5.6 Luna (low)	9	8	9	8.9	Чёрный пластиковый маховик справа сбоку латунного узла, сопло слева и выше на изогнутой трубке. Верно и лаконично.
gemma-4-31b	8	9	9	8.2	Чёрный ребристый пластиковый диск сбоку узла крепления, сопло на противоположном конце. Не уточнена сторона (право/лево), но по сути верно.
diffusion-gemma	8	8	9	8.1	Круглый чёрный пластиковый маховик у основания, сопло на противоположном конце изогнутого корпуса. Сторона явно не названа, но верно.
Nemotron-3-Nano-Omni-30B	8	8	9	8.1	Чёрный ребристый пластиковый диск справа, сопло слева на противоположном конце. Кратко, но верно.
MiniMax-M3	7	9	9	7.4	Верно определён чёрный пластиковый рифлёный маховик у входа газа рядом с латунной резьбовой муфтой и сопло на противоположном конце изогнутой трубки, но отсутствует требуемая пространственная привязка (вентиль справа внизу, сопло слева вверху): указана лишь размытая «средняя/нижняя часть» и «вертикальный шток», хотя маховик установлен сбоку справа. Также сопло описано как сужающийся конус-«пуля», тогда как на фото это цилиндрическая расширенная головка.
GPT-5.6 Luna (med)	4	8	9	4.9	Вентиль верно чёрный пластиковый справа внизу, но сопло ошибочно указано под вентилем в центре резьбового соединения вместо противоположного конца слева вверху.
GPT-5.6 Luna (high)	4	8	9	4.9	Вентиль описан верно (чёрный пластиковый справа внизу), но сопло ошибочно помещено под вентилем в центре резьбового наконечника, а не слева вверху.
llama-scout	3	7	8	3.9	Вентиль верно назван чёрным пластиковым ребристым, но сопло ошибочно помещено рядом с регулятором внизу, а не на противоположном конце (слева вверху). Есть противоречие про латунь.

Большинство моделей верно распознали чёрный пластиковый вентиль справа и сопло на противоположном конце. 27b-v2 наиболее точен (сбоку латунного блока). llama-scout, luna-high и luna-medium ошиблись с расположением сопла.

Схемы

diagram_банки_12c06b7020 — Схема SWIFT-платежа: связи между блоками

diagram · промпт 495 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На схеме изображён процесс межбанковского платежа через систему S.W.I.F.T. Внимательно проследите связи между блоками и ответьте на три вопроса: 1) Какой надписью (текстом метки) обозначена красная стрелка, идущая от блока «Банк отправитель» к блоку «Банк получатель»? 2) Какими текстовыми метками подписаны две зелёные стрелки на схеме и какие именно блоки они соединяют (укажите направление)? 3) Между какими двумя верхними блоками проходит горизонтальная красная стрелка в верхнем ряду схемы?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Полностью верно, направления и расположение блоков описаны корректно.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все три пункта верны, включая метки, соединяемые блоки и направления зелёных стрелок.
GPT-5.5 (low)	10	10	10	10.0	Все три пункта точны, направления указаны верно.
GPT-5.5 (medium)	10	10	10	10.0	Все три пункта точны, направления указаны верно.
Kimi K2.6	10	10	10	10.0	Все пункты верны, направления и позиции блоков корректны.
llama-scout	10	9	10	9.9	Все ответы точны, направления зелёных стрелок указаны верно.
MiniMax-M3	10	9	10	9.9	Все три пункта совпадают с эталоном: метка «Сообщение S.W.I.F.T.», обе зелёные стрелки с верными блоками и направлениями, верхняя красная стрелка от корреспондента банка-отправителя к корреспонденту банка-получателя. Русский безупречен, оформление структурное; лёгкая избыточность пояснений в скобках.
GPT-5.6 Sol (low)	10	9	10	9.9	Все три пункта верны.
GPT-5.6 Sol (med)	10	9	10	9.9	Все три пункта верны.
GPT-5.6 Terra (low)	10	9	10	9.9	Все верно, направления вверх/вниз указаны явно.
GPT-5.6 Terra (med)	10	9	10	9.9	Все три пункта верны.
GPT-5.6 Luna (low)	10	9	10	9.9	Все ответы точны и корректны.
GPT-5.6 Luna (high)	10	9	10	9.9	Все ответы точны, блоки и направления указаны верно.
diffusion-gemma	10	9	9	9.8	Ответы верны; мелкая опечатка в первом слове («сновываясь»).
GPT-5.6 Terra (high)	10	8	10	9.8	Ответы верны, изложение краткое.
GPT-5.6 Luna (med)	10	8	10	9.8	Ответы верны, но очень лаконичны и без явного указания направлений вверх/вниз.
gemma-4-31b	6	9	10	6.7	Пп.1 и 3 верны, но направление стрелки «Инструкции» указано наоборот (от банка к заказчику).
Nemotron-3-Nano-Omni-30B	6	5	9	6.2	Пп.1 и 3 верны, но у «Инструкции» перепутано направление (вниз вместо вверх); ответ очень краткий.

Большинство моделей ответили безупречно; gemma-4-31b и nemotron-omni перепутали направление зелёной стрелки «Инструкции». Победитель среди равных — 35b-a3b за полный и точный ответ.

diagram_банки_3ecba180b8 — Анализ диаграммы последовательности перевода по СБП с бизнес-карты

diagram · промпт 711 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении показана UML-диаграмма последовательности процесса «Сделать СБП перевод с бизнес-карты» в банковском сервисе. Внимательно рассмотрите её и ответьте на вопросы: 1) Перечислите по порядку слева направо всех участников (вертикальные линии жизни), изображённых вверху диаграммы. 2) Сколько крупных пронумерованных этапов (заголовков вида «1. ...», «2. ...») содержит весь процесс и как называется ПОСЛЕДНИЙ из них? 3) В диаграмме есть два альтернативных блока (фрагменты «alt»). Назовите условие второго из них (нижнего) и укажите, какое действие выполняется внутри него и что происходит со сценарием в этом случае. 4) Какой HTTP-метод и эндпоинт указан на шаге [20] (создание заявления на перевод)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все ответы верны, включая POST /fintech/api/v1/transfer/sbp-approve. Аккуратное оформление.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все четыре ответа точны, эндпоинт [20] верный. Хорошая структура и русский.
GPT-5.5 (low)	10	9	10	9.9	Все ответы точны, эндпоинт верный. Кратко и по делу.
GPT-5.5 (medium)	10	9	10	9.9	Все четыре ответа точны, эндпоинт [20] верный. Полно и ясно изложено.
GPT-5.6 Terra (low)	10	9	10	9.9	Все четыре ответа верны, эндпоинт корректен. Кратко и точно.
GPT-5.6 Terra (med)	10	9	10	9.9	Все ответы точны, включая эндпоинт [20]. Хорошее оформление.
GPT-5.6 Terra (high)	10	9	10	9.9	Все ответы точны, эндпоинт POST /fintech/api/v1/transfer/sbp-approve верный.
GPT-5.6 Luna (low)	10	9	10	9.9	Все четыре ответа верны, включая эндпоинт [20]. Ясная структура.
GPT-5.6 Luna (med)	10	9	10	9.9	Все ответы точны, эндпоинт verный. Компактно и корректно.
GPT-5.6 Luna (high)	10	8	10	9.8	Все ответы точны, эндпоинт верный. Очень лаконично.
Kimi K2.6	9	9	10	9.1	Ответы верны, но в эндпоинте 'transfers' вместо 'transfer'. В остальном точно.
GPT-5.6 Sol (low)	9	9	10	9.1	Ответы верны, но 'transfers' вместо 'transfer' в эндпоинте [20].
GPT-5.6 Sol (med)	9	9	10	9.1	Ответы верны, кроме 'transfers' вместо 'transfer' в эндпоинте [20].
diffusion-gemma	8	8	8	8.0	Ответы в основном верны, но эндпоинт 'sb-approve' вместо sbp-approve и опечатка 'Сбербинес ID'.
llama-scout	6	9	10	6.7	Вопросы 1-3 верны, но эндпоинт [20] искажён: '/intech-api/v2/corporate-cards/sbp-approve' вместо /fintech/api/v1/transfer/sbp-approve.
Nemotron-3-Nano-Omni-30B	6	6	8	6.2	Пропущен вопрос 4 полностью; в вопросе 3 'Выбрала' вместо 'Вывела'. Ответы 1-3 в целом верны.
gemma-4-31b	5	8	9	5.7	Вопросы 1-3 верны, но эндпоинт [20] выдуман: 'https://api/v1/TransferSbp/app-create'.
MiniMax-M3	2	7	7	3.0	Верно только про 5 этапов и нижний alt-блок; список участников полностью выдуман (5 несуществующих: Мобильное приложение, ВебБрокер, Адаптер вместо Платформа/СберБизнес ID), эндпоинт шага [20] тоже придуман (/fintech/v1/sbp/transfers вместо /fintech/api/v1/transfer/sbp-approve). Оформление аккуратное, но грубые галлюцинации по двум из четырёх вопросов.

Большинство моделей ответили точно на все 4 вопроса; отличия только в написании эндпоинта [20]. Слабее всех gemma-4-31b (выдуманный эндпоинт) и nemotron-omni (пропущен вопрос 4).

diagram_банки_a5b9b7adcc — Схема оплаты через СБП: шаги 4 и 5

diagram · промпт 375 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На схеме показан процесс оплаты товара через Систему быстрых платежей (СБП), где шаги пронумерованы от 1 до 7. Внимательно проследите путь движения денежных средств. Назовите, какие два блока соединяет стрелка с номером 4 и какие два блока соединяет стрелка с номером 5 (укажите направление: откуда и куда идёт стрелка). Какой подписью (текстом) сопровождаются оба этих шага?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Пары, направления и общая подпись указаны корректно и подробно.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верно: 4 — Банк покупателя→СБП, 5 — СБП→Банк продавца, общая подпись «Перевод денежных средств». Направления указаны точно.
llama-scout	10	9	10	9.9	Обе пары блоков и направления верны, подпись общая верна, есть итоговое обобщение.
gemma-4-31b	10	9	10	9.9	Верные пары, направления стрелками и одинаковая подпись.
GPT-5.5 (medium)	10	9	10	9.9	Чётко и верно: обе пары с направлением и общая подпись.
MiniMax-M3	10	9	10	9.9	Оба соединения и направления указаны верно (Банк покупателя→СБП, СБП→Банк продавца), общая подпись «Перевод денежных средств» названа точно. Ответ предельно краткий, без разбора шагов, поэтому видимого анализа мало.
Kimi K2.6	10	9	10	9.9	Обе стрелки, направления и одинаковая подпись указаны верно.
GPT-5.6 Sol (med)	10	9	10	9.9	Обе пары с направлением и общая подпись указаны верно.
GPT-5.6 Luna (low)	10	9	10	9.9	Направления и общая подпись верны.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные направления и общая подпись, лаконично.
GPT-5.5 (low)	10	8	10	9.8	Направления и общая подпись верны, изложено кратко.
Nemotron-3-Nano-Omni-30B	10	8	10	9.8	Верные блоки, направления и общая подпись, единым абзацем.
GPT-5.6 Sol (low)	10	8	10	9.8	Верные направления и общая подпись.
GPT-5.6 Terra (low)	10	8	10	9.8	Направления и общая подпись верны, лаконично.
GPT-5.6 Terra (med)	10	8	10	9.8	Верные направления и общая подпись, кратко.
GPT-5.6 Terra (high)	10	7	10	9.7	Верно, но предельно кратко, без обобщения.
diffusion-gemma	9	8	9	8.9	Пары блоков и подпись верны, но направления стрелок не указаны.
GPT-5.6 Luna (med)	5	8	10	5.8	Шаг 4 указан неверно (СБП→банк покупателя вместо Банк покупателя→СБП); шаг 5 и подпись верны.

Почти все модели ответили верно (4: Банк покупателя→СБП, 5: СБП→Банк продавца, общая подпись «Перевод денежных средств»). Исключение — luna-medium с ошибкой в шаге 4.

diagram_банки_ad23b0dc0a — Схема платёжной системы: роль ОПКЦ

diagram · промпт 390 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На схеме изображена архитектура платёжной системы с несколькими блоками. Внимательно рассмотрите центральный синий блок схемы. Как он называется (аббревиатура и полная расшифровка)? Через что именно (какой тип взаимодействия, подписанный на стрелках) этот центральный блок связан с группами «Участники» слева и справа, и в каком направлении идут эти стрелки относительно центрального блока?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Всё верно: ОПКЦ + расшифровка, Информ. обмен (API), левая стрелка к центру, правая от центра.
GPT-5.5 (low)	10	9	10	9.9	Полностью верно: ОПКЦ, API, левая стрелка к ОПКЦ, правая от ОПКЦ к участникам.
Nemotron-3-Nano-Omni-30B	10	9	10	9.9	Верно всё: ОПКЦ, API, слева к центру, центр к правым участникам.
GPT-5.6 Terra (low)	10	9	10	9.9	Верно: ОПКЦ, API, левая стрелка к ОПКЦ, правая от ОПКЦ к участникам.
GPT-5.6 Terra (med)	10	9	10	9.9	Верно: ОПКЦ + расшифровка, API, слева к центру, справа от центра к участникам.
GPT-5.6 Terra (high)	10	9	10	9.9	Верно: ОПКЦ, Информ. обмен (API), слева к ОПКЦ, справа от ОПКЦ к участникам.
GPT-5.6 Luna (med)	10	9	10	9.9	Верно: ОПКЦ, API, левая стрелка к ОПКЦ, правая от ОПКЦ.
GPT-5.6 Luna (high)	10	9	10	9.9	Верно: ОПКЦ, API, слева от участников к ОПКЦ, справа от ОПКЦ к участникам.
MiniMax-M3	10	9	9	9.8	Полностью верно: ОПКЦ с расшифровкой, тип связи «Информ. обмен (API)» и корректное направление стрелок слева направо (левые Участники → ОПКЦ → правые Участники). Ясная структура, корректный русский, добавлен уместный вывод о роли центрального узла.
Kimi K2.6	5	8	10	5.8	Название и API верны, но стрелки объявлены двунаправленными, тогда как они однонаправленные слева направо.
Qwen3.6-35B-A3B-FP8	5	8	9	5.7	Аббревиатура, расшифровка и тип связи (API) верны, но направление стрелок указано неверно — обе якобы к ОПКЦ, тогда как правая идёт от ОПКЦ.
gemma-4-31b	5	8	9	5.7	Название и API верны, но направление стрелок ошибочно — заявлено от ОПКЦ к обоим участникам.
diffusion-gemma	5	8	9	5.7	Название и API верны, но обе стрелки ошибочно указаны в сторону центра; правая на деле идёт от ОПКЦ.
GPT-5.5 (medium)	5	8	9	5.7	Название и API верны, но направление стрелок ошибочно — обе заявлены к ОПКЦ.
GPT-5.6 Sol (low)	5	8	9	5.7	Название и API верны, но обе стрелки ошибочно указаны к центру ОПКЦ.
GPT-5.6 Sol (med)	5	8	9	5.7	Название и API верны, но направление обеих стрелок ошибочно — обе к центру.
GPT-5.6 Luna (low)	5	8	9	5.7	Название и API верны, но обе стрелки ошибочно указаны к центру.
llama-scout	3	8	8	4.0	Аббревиатура искажена (ОПЦК вместо ОПКЦ), а направление стрелок полностью перевёрнуто (якобы от ОПКЦ к обоим участникам).

Полностью верные ответы (название, API, направление слева направо) дали 27b-v2, gpt-5.5-low, nemotron-omni и линейка gpt-5.6 luna-high/medium, terra-*; остальные ошиблись в направлении стрелок, а llama-scout ещё и в аббревиатуре.

diagram_банки_d79dbfaee9 — Схема клиринга и расчёта платежа

diagram · промпт 445 симв. · Победитель: GPT-5.5 (medium) · 8.9/10

▸Промпт задачи

На схеме показан процесс прохождения платежа через платёжную систему (с этапами клиринга и расчёта). Назовите все блоки, которые находятся ВНУТРИ пунктирной рамки с подписью «Клиринг». Затем проследите путь от блока «Расчет»: в какие два блока ведут стрелки, выходящие из цепочки «Уведомление», и к каким участникам (верхние прямоугольники «Плательщик»/«Получатель») в итоге приходит результат? Ответьте по тому, что реально изображено на схеме.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (medium)	9	8	9	8.9	Самый точный: три блока, Расчет вне рамки, стрелки к ППУ 1/ППУ 2, справа к Получателю, а слева верно отмечено, что стрелки вверх к Плательщику нет.
GPT-5.6 Sol (low)	9	8	9	8.9	Точно по нарисованным стрелкам: к Получателю через Поставку средств, а стрелка к Плательщику не показана. Верное чтение схемы.
GPT-5.6 Sol (med)	9	8	9	8.9	Три блока, стрелки к ППУ 1/ППУ 2, дальнейший путь только справа к Получателю; точно отмечено отсутствие восходящей стрелки к Плательщику.
GPT-5.6 Terra (low)	9	8	9	8.9	Точно: стрелки к ППУ 1/ППУ 2, правая ветвь через Поставку средств к Получателю, к Плательщику показан только входящий путь.
GPT-5.6 Terra (high)	9	8	9	8.9	Верно: три блока, стрелки к ППУ 1/ППУ 2, справа к Получателю, слева отмечена нисходящая направленность стрелок.
GPT-5.6 Luna (low)	9	8	9	8.9	Точно: стрелки к ППУ 1/ППУ 2, правая ветвь через Поставку средств к Получателю, верно отмечено что к Плательщику стрелка не возвращается.
GPT-5.6 Luna (med)	9	8	9	8.9	Точный разбор: три блока, стрелки к ППУ 1/ППУ 2, правая ветвь к Получателю, слева верно отмечена нисходящая стрелка.
Qwen3.6-27B-FP8	8	9	9	8.2	Три блока, Неттинг пунктирный, Расчет→Уведомление, стрелки к ППУ 1/ППУ 2, итог к Плательщику и Получателю. Точный, чистый ответ.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Верно назвал три блока клиринга и Расчет вне рамки, стрелки к ППУ 1/ППУ 2, итог к Плательщику и Получателю. Небольшая неточность в направлении левой стрелки вверх.
gemma-4-31b	8	8	9	8.1	Верно: три блока, стрелки к ППУ 1/ППУ 2, результат к Плательщику и Получателю. Кратко, без разбора цепочки Расчёт→Уведомление.
diffusion-gemma	8	8	9	8.1	Три блока верно, отмечена связь Расчёт→Уведомление, стрелки к ППУ 1/ППУ 2, итог к обоим участникам.
GPT-5.5 (low)	8	8	9	8.1	Полный корректный разбор: три блока, стрелки к ППУ 1/ППУ 2, левая ветвь к Плательщику, правая к Получателю. Мелкая неточность направления слева.
Kimi K2.6	8	8	9	8.1	Верно: три блока, Расчёт→Уведомление, стрелки к ППУ 1/ППУ 2, итог к Плательщику и Получателю. Чётко.
GPT-5.6 Luna (high)	8	8	9	8.1	Три блока, Расчёт→Уведомление, стрелки к ППУ 1/ППУ 2, результат к Плательщику и Получателю. Коротко и корректно.
MiniMax-M3	7	9	9	7.4	Три блока клиринга (Передача, Неттинг, Уведомление) и стрелки из «Уведомление» к ППУ 1 и ППУ 2 определены верно. Однако левая ветвь описана с обратным направлением: на схеме стрелки идут Плательщик → Платежное поручение → ППУ 1, а не от ППУ 1 вверх к Плательщику, поэтому вывод о возврате результата обоим участникам частично не соответствует изображению.
GPT-5.6 Terra (med)	5	8	9	5.7	Три блока и стрелки к ППУ 1/ППУ 2 верно, но ошибочно утверждает, что результат не доходит до Получателя — хотя справа стрелки явно ведут к Получателю.
llama-scout	3	6	7	3.7	Три блока клиринга названы верно, но стрелки из Уведомления описаны неверно (к Расчёту и Поставке средств вместо ППУ 1/ППУ 2).
Nemotron-3-Nano-Omni-30B	2	1	1	1.8	Битый обрывочный вывод: три блока частично угаданы (Netting латиницей), остальное нечитаемо и не отвечает на вопрос.

Большинство моделей верно назвали три блока клиринга и стрелки к ППУ 1/ППУ 2. Лучшие (gpt-5.5-medium, luna/sol/terra-medium) точно прочли направления стрелок; llama и terra-medium ошиблись в путях, nemotron выдал битый ответ.

diagram_дата-аналитика_0f8fde6204 — Виды алгоритмов: сопоставление блок-схем с подписями

diagram · промпт 723 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении представлена схема «Виды алгоритмов» с несколькими блок-схемами, каждая из которых подписана своим типом. Внимательно рассмотрите картинку и ответьте на вопросы: 1) Какая блок-схема подписана как «линейный» — опишите её структуру (какие фигуры используются и сколько их). 2) В блок-схеме «цикл с предусловием» какая геометрическая фигура отвечает за проверку условия и какими знаками обозначены её выходы? 3) Чем визуально отличается блок-схема «разветвляющийся (полная форма)» от «разветвляющийся (неполная форма)» — сколько прямоугольных блоков действий расположено под ромбом-условием в каждой из них? 4) В блок-схеме «цикл с параметром» какой фигурой (отличной от ромба) обозначен блок проверки/счётчика?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все 4 пункта верны: два прямоугольника, ромб с +/-, 2 vs 1 блок, шестиугольник. Подробно и точно.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все ответы корректны, с указанием расположения схем и направлений выходов. Отлично.
GPT-5.5 (low)	10	9	10	9.9	Все ответы точны и лаконичны, шестиугольник назван верно.
GPT-5.5 (medium)	10	9	10	9.9	Полностью корректно по всем 4 пунктам, чётко и ясно.
Kimi K2.6	10	9	10	9.9	Максимально точно и подробно, с описанием логики каждой ветви и шестиугольника.
GPT-5.6 Sol (low)	10	9	10	9.9	Все пункты верны, аккуратно расписано различие полной/неполной формы.
GPT-5.6 Sol (med)	10	9	9	9.8	Полностью корректно, ясно и структурно.
GPT-5.6 Terra (low)	10	9	9	9.8	Все верно, с уточнением про ветвь без действия в неполной форме.
GPT-5.6 Terra (high)	10	9	9	9.8	Все 4 пункта верны, чётко.
GPT-5.6 Luna (med)	10	9	9	9.8	Все верно, добавлены пояснения о направлениях выходов ромба.
diffusion-gemma	10	9	8	9.7	Все 4 пункта верны, включая шестиугольник. Мелкая опечатка в первом слове.
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Все пункты верны, кратко, шестиугольник указан правильно.
GPT-5.6 Terra (med)	10	8	9	9.7	Все пункты корректны, кратко и ясно.
GPT-5.6 Luna (low)	10	8	9	9.7	Все 4 пункта корректны, лаконично.
GPT-5.6 Luna (high)	10	8	9	9.7	Все верно, кратко и по делу, шестиугольник назван правильно.
MiniMax-M3	9	9	10	9.1	Все четыре пункта отвечены верно: два прямоугольника в линейном, ромб с выходами +/-, 2 против 1 блока в полной/неполной форме, шестиугольник в цикле с параметром. Небольшая неточность — сказано, что ветка «−» в неполной форме «отсутствует» (на схеме она есть и идёт сразу к слиянию).
gemma-4-31b	6	9	10	6.7	Выдумка в п.1: три прямоугольника вместо двух. Остальные пункты (ромб, 2/1 блока, шестиугольник) верны.
llama-scout	6	8	8	6.4	Пункты 1-3 верны, но в п.4 ошибочно назван овал вместо шестиугольника.

Большинство моделей дали полностью верные ответы; kimi-k2.6, 27b-v2, 35b-a3b и sol-low выделяются точностью и детализацией. llama-scout ошиблась в п.4 (овал), gemma-4-31b выдумала три прямоугольника в п.1.

diagram_дата-аналитика_6bf8ec9722 — Логика цикла в блок-схеме суммирования

diagram · промпт 512 симв. · Победитель: gemma-4-31b · 10.0/10

▸Промпт задачи

На изображении приведена блок-схема «Алгоритм нахождения суммы 10-ти чисел» с пронумерованными блоками от 1 до 8. Внимательно проследите связи между блоками и ответьте на вопросы: 1) Какое условие проверяется в ромбе (блок 6) и какая ветвь (с какой подписью) ведёт вниз к выводу результата? 2) К какому по номеру блоку возвращается стрелка обратной связи (петля цикла), когда условие НЕ выполняется? 3) Какие два присваивания записаны в блоке 2 (начальная инициализация)? Ответ обоснуйте тем, что видно на схеме.

Модель	C	F	Ru	Σ	Комментарий судьи
gemma-4-31b	10	10	10	10.0	Полный и точный ответ с обоснованием по каждому пункту.
GPT-5.6 Sol (med)	10	10	10	10.0	Полностью точный ответ с обоснованием линии петли и итоговой логикой алгоритма.
Qwen3.6-27B-FP8	10	9	10	9.9	Верно всё, корректно назвал ветвь «Нет» для петли к блоку 3.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три ответа верны: i>10, ветвь «Да» вниз к блоку 7, возврат к блоку 3, i=1 и s=0. Хорошее пояснение.
llama-scout	10	9	10	9.9	Все ответы точны и структурированы, обоснование поверхностное.
GPT-5.5 (low)	10	9	10	9.9	Все ответы верны, ясное обоснование петли и инициализации.
GPT-5.5 (medium)	10	9	10	9.9	Верно всё, полностью прослежена логика цепочки блоков 3–7.
Kimi K2.6	10	9	10	9.9	Точный подробный разбор всех трёх пунктов с корректными пояснениями.
GPT-5.6 Sol (low)	10	9	10	9.9	Верно всё, с трассировкой цепочки блоков.
GPT-5.6 Terra (high)	10	9	10	9.9	Все ответы верны, лаконично.
GPT-5.6 Luna (low)	10	9	10	9.9	Верно всё, кратко и корректно.
GPT-5.6 Luna (med)	10	9	10	9.9	Все ответы точны, лаконичное изложение.
GPT-5.6 Luna (high)	10	9	10	9.9	Все ответы верны, лаконично и ясно.
diffusion-gemma	10	9	9	9.8	Верно по сути, есть опечатки («Ккому», «написано формула»).
MiniMax-M3	10	9	9	9.8	Все три пункта строго верны: условие i > 10, ветвь «Да» вниз к блоку 7, петля возвращается к блоку 3 «Ввод xᵢ», в блоке 2 — i = 1 и s = 0; галлюцинаций нет. Обоснование опирается на видимые элементы схемы и правые пояснения, изложение структурное и на грамотном русском.
GPT-5.6 Terra (low)	10	8	10	9.8	Верно всё, но очень кратко, без обоснования.
GPT-5.6 Terra (med)	10	8	10	9.8	Все ответы точны, минимальное обоснование.
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Ответы верны, но кратко; опечатка «x_t» вместо x_i.

Все модели дали правильные ответы (i>10, «Да» вниз к блоку 7, петля к блоку 3, i=1 и s=0). Победитель — gpt-5.6-sol-medium за максимально полное обоснование.

diagram_дата-аналитика_aedec38fb4 — Множественный выбор: блоки «виведення»

diagram · промпт 418 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении показаны блок-схемы шести типов алгоритмов (на украинском языке). Рассмотрите схему с заголовком «алгоритм з множинним вибором» (правый верхний угол). Проследите путь от блока «початок» до конца. Сколько ветвей выходит из ромба «чому дорівнює n» и какими числами они подписаны? На какие блоки эти ветви ведут и какой текст внутри каждого из этих блоков? К какому общему блоку сходятся все ветви в конце?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Полностью верно, с переводами терминов, отличная структура и язык.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все факты верны: 4 ветви 1-4, четыре блока виведення, общий кінець. Чёткая структура.
Kimi K2.6	10	10	10	10.0	Полностью верно, с переводами, отличная структура и язык.
GPT-5.6 Sol (low)	10	10	10	10.0	Все факты верны, аккуратный список с «».
GPT-5.6 Sol (med)	10	10	10	10.0	Все факты верны, чистая структура.
gemma-4-31b	10	9	10	9.9	Все факты верны; в тексте артефакты LaTeX ($\rightarrow$), немного мешают.
GPT-5.5 (low)	10	9	10	9.9	Все факты верны, кратко и точно.
GPT-5.5 (medium)	10	9	10	9.9	Все факты верны, аккуратный ответ с выделением.
GPT-5.6 Terra (low)	10	9	10	9.9	Все факты верны, кратко.
GPT-5.6 Terra (med)	10	9	10	9.9	Все факты верны, аккуратная структура.
GPT-5.6 Terra (high)	10	9	10	9.9	Все факты верны, ясный ответ.
GPT-5.6 Luna (low)	10	9	10	9.9	Все факты верны, кратко и ясно.
GPT-5.6 Luna (med)	10	9	10	9.9	Все факты верны, добавлены переводы блоков.
GPT-5.6 Luna (high)	10	9	10	9.9	Все факты верны, чёткий нумерованный список.
MiniMax-M3	10	9	9	9.8	Все проверяемые факты названы верно: 4 ветви с подписями 1-4, четыре блока «виведення» с текстами перший/другий/третій/четвертий блок и общий блок «кінець»; корректно упомянут и контекст «початок → уведення: n». Ответ структурирован таблицей и схемой пути, русский язык грамотный, лишь оформление чуть избыточно для короткого вопроса.
llama-scout	10	8	9	9.7	Все факты верны, но тексты блоков дублируются дважды; кавычки прямые вместо «».
diffusion-gemma	9	7	2	8.1	Факты в целом верны, но ответ на украинском, не на русском; опечатки «мноножинним», «други блок».
Nemotron-3-Nano-Omni-30B	9	3	4	7.9	Факты перечислены верно, но ответ телеграфный, без структуры и почти без русского текста.

Почти все модели ответили полностью верно; 27b-v2, kimi-k2.6 и 35b-a3b лучшие по структуре и языку. diffusion-gemma ответил на украинском, nemotron-omni дал телеграфный ответ без структуры.

diagram_дата-аналитика_906c56891b — Трассировка блок-схемы цикла по массиву

diagram · промпт 487 симв. · Победитель: MiniMax-M3 · 9.9/10

▸Промпт задачи

Перед вами блок-схема алгоритма обработки массива n = [6, 8, 3, 1, 9, 4, 7, 5]. Алгоритм в цикле перебирает элементы массива и в зависимости от условия выполняет вывод. Внимательно проследите путь по стрелкам и ответьте на два вопроса: 1) Какое именно условие проверяется во втором (нижнем) ромбе и при каком ответе (Yes или No) управление переходит к блоку print(e)? 2) Перечислите по порядку все значения массива, которые будут напечатаны блоком print(e) при полном проходе по массиву.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	9	9.9	Условие «e < 5 ?» и ветка Yes к print(e) определены верно, перечень напечатанных значений 3, 1, 4 точен, включая корректное исключение 5 из-за строгого неравенства. Аккуратная таблица-трассировка и чистая структура; русский язык грамотный.
Kimi K2.6	10	10	9	9.9	Полностью верно, наглядная таблица проверки каждого элемента и пояснение про 5.
Qwen3.6-27B-FP8	10	9	9	9.8	Всё верно: e<5, Yes, 3,1,4; аккуратный пошаговый разбор с пояснением про 5.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Условие e<5, Yes и последовательность 3,1,4 полностью верны; отдельно отмечено, что 5 не печатается.
gemma-4-31b	10	9	9	9.8	Правильно распознаны условие, ветка Yes и значения 3,1,4; чёткий разбор.
GPT-5.5 (low)	10	9	9	9.8	Кратко и точно: e<5, Yes, элементы 3,1,4 в порядке обхода.
GPT-5.5 (medium)	10	9	9	9.8	Верно всё, включая явное пояснение, почему 5 не печатается (строгое неравенство).
GPT-5.6 Sol (low)	10	9	9	9.8	Точно: e<5, Yes (элемент меньше 5), 3,1,4 по порядку.
GPT-5.6 Sol (med)	10	9	9	9.8	Верно определены условие, ветка Yes и значения 3,1,4.
GPT-5.6 Terra (low)	10	8	9	9.7	Верно: e<5, ветка Yes, печатаются 3,1,4.
GPT-5.6 Terra (med)	10	8	9	9.7	Верно определены условие e<5, ветка Yes и результат 3,1,4.
GPT-5.6 Terra (high)	10	8	9	9.7	Краткий верный ответ: e<5, Yes, 3,1,4.
GPT-5.6 Luna (low)	10	8	9	9.7	Кратко и правильно: e<5, Yes, 3,1,4.
GPT-5.6 Luna (med)	10	8	9	9.7	Верно: условие e<5, Yes, значения 3,1,4; без пошагового разбора.
GPT-5.6 Luna (high)	10	8	9	9.7	Верный краткий ответ: e<5, Yes, 3,1,4, но без разбора.
diffusion-gemma	10	8	7	9.5	Ответ верный (e<5, Yes, 3,1,4), но первое слово испорчено опечаткой «Овываясь», что портит русский.
Nemotron-3-Nano-Omni-30B	10	8	5	9.3	Анализ верный (e<5, Yes, 3,1,4), но основная часть на английском, по-русски лишь краткий итог.
llama-scout	5	7	7	5.4	Условие e<5 и Yes определены верно, пошаговый разбор корректен, но в итоговой строке порядок искажён на 1,3,4 вместо 3,1,4 — самопротиворечие.

Почти все модели дали корректный ответ (e<5, Yes, 3,1,4); kimi-k2.6 выделяется наглядной таблицей. llama-scout ошиблась в итоговом порядке (1,3,4), nemotron ответил в основном по-английски.

diagram_нефтегаз_27cb206a34 — Поточная технологическая схема НПЗ: ЭЛОУ-АВТ и продукты

diagram · промпт 446 симв. · Победитель: GPT-5.5 (medium) · 9.8/10

▸Промпт задачи

Перед вами поточная технологическая схема нефтеперерабатывающего завода (НПЗ). Ответьте на вопросы строго по изображению: 1) Какой блок (установка) стоит на самом верху схемы и принимает на вход сырую нефть? 2) Перечислите все товарные продукты, изображённые в нижнем ряду схемы (прямоугольники в самом низу), слева направо. 3) Какая установка на схеме производит кокс, то есть с выхода какого блока поступает поток в нижний прямоугольник «Кокс»?

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (medium)	10	9	9	9.8	Все ответы точны, весь нижний ряд перечислен верно и в правильном порядке.
GPT-5.6 Sol (low)	10	9	9	9.8	Все три ответа верны, нижний ряд перечислен полностью и правильно.
GPT-5.6 Sol (med)	10	9	9	9.8	Все ответы точны, весь ряд продуктов корректен и в правильном порядке.
gemma-4-31b	9	9	8	8.9	Все три ответа верны, весь нижний ряд перечислен правильно; мелкая опечатка «Сжженные».
diffusion-gemma	9	7	7	8.6	Ответы верны, весь ряд корректен, но много опечаток («Котельноельное», обрезанное первое слово).
Qwen3.6-35B-A3B-FP8	7	9	9	7.4	Всё верно, кроме первого продукта: «Бензиновые и промышленные топлива» вместо «Бытовое и промышленное топливо».
Qwen3.6-27B-FP8	7	8	8	7.2	Q1, Q3 верны; первый продукт назван «Бензиновые прямогонные топлива» вместо «Бытовое и промышленное топливо», плюс выдуманная расшифровка ЭЛОУ.
GPT-5.5 (low)	7	8	8	7.2	Q1, Q3 верны; первый продукт ошибочно назван «Битумное и котельное топливо».
Kimi K2.6	7	8	8	7.2	Q1, Q3 верны; первый продукт назван «Балластное/промышленное топливо» вместо «Бытовое».
GPT-5.6 Terra (med)	7	8	8	7.2	Q1, Q3 верны; первый продукт ошибочно — «бензин из вторичных процессов».
GPT-5.6 Terra (high)	7	8	8	7.2	Q1, Q3 верны; первый продукт ошибочен — «Бензины и реактивное топливо».
GPT-5.6 Luna (low)	7	8	8	7.2	Q1, Q3 верны; первый продукт назван «Битумное и вакуумное топливо» вместо «Бытовое».
GPT-5.6 Luna (med)	7	8	8	7.2	Q1, Q3 верны; ошибка только в первом продукте — «битумное и котельное топливо».
GPT-5.6 Luna (high)	7	8	8	7.2	Q1, Q3 верны; первый продукт ошибочен — «битумное и строительное топливо».
GPT-5.6 Terra (low)	7	7	8	7.1	Q1, Q3 верны; первый продукт назван «Бензин и дизельное топливо» вместо «Бытовое».
MiniMax-M3	5	8	9	5.7	Пункты 1 и 3 верны (ЭЛОУ-АВТ и замедленное коксование), но в нижнем ряду два первых продукта выдуманы: вместо «Бытовое и промышленное топливо» и «Сжиженные газы» указаны «Бензол и этилбензольная фракция» и «Сажевое сырьё». Также неверно сказано, что сырая нефть подаётся «сверху» (стрелка идёт слева); оформление и русский хорошие.
llama-scout	5	8	6	5.4	Q1 и Q3 верны, но в нижнем ряду две ошибки: «Прочное топливо» вместо дизельного и «Профинит» вместо парафина.
Nemotron-3-Nano-Omni-30B	1	2	3	1.3	Полный провал: «ЗЮУ-АВТ», выдуманные названия, Q2 пропущен, кривая нумерация.

Полностью верны gpt-5.5-medium, gpt-5.6-sol-low/medium и gemma-4-31b; большинство GPT-5.6 ошиблись в первом продукте («битумное...» вместо «Бытовое и промышленное топливо»), nemotron-omni — провал.

diagram_нефтегаз_8bf7d59453 — Технологическая схема ректификационной установки

diagram · промпт 504 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На схеме показана технологическая установка с горизонтальным ректификационным аппаратом А-1. В нижней части схемы расположены три блока холодильников с вентиляторами (Х-3, Х-2, Х-1), под каждым из которых выходит свой продукт. Проследите по схеме цепочку для блока холодильника Х-3: назовите теплообменник, который стоит непосредственно над Х-3, и укажите, какой продукт выходит снизу из-под холодильника Х-3. Затем перечислите, какие продукты выходят снизу из-под холодильников Х-2 и Х-1 соответственно.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все факты верны: Т-3/Гудрон, ВГ, ЛВГ. Чётко и структурно.
gemma-4-31b	10	9	10	9.9	Все факты верны: Т-3/Гудрон, ВГ, ЛВГ. Ясно и аккуратно.
GPT-5.5 (low)	10	9	10	9.9	Все факты верны: Т-3/Гудрон, ВГ, ЛВГ. Кратко и точно.
GPT-5.5 (medium)	10	9	10	9.9	Все факты верны: Т-3/Гудрон, ВГ, ЛВГ. Аккуратный формат.
Kimi K2.6	10	9	10	9.9	Все факты верны, корректные расшифровки ВГ/ЛВГ (вакуумный/лёгкий вакуумный газойль). Отлично.
GPT-5.6 Sol (low)	10	9	10	9.9	Все факты верны с корректными расшифровками ВГ/ЛВГ. Чётко.
GPT-5.6 Sol (med)	10	9	10	9.9	Все факты верны, корректные расшифровки. Ясная структура.
GPT-5.6 Terra (low)	10	9	10	9.9	Все факты верны: Т-3/Гудрон, ВГ, ЛВГ. Лаконично.
GPT-5.6 Terra (med)	10	9	10	9.9	Все факты верны: Т-3/Гудрон, ВГ, ЛВГ. Точно.
GPT-5.6 Terra (high)	10	9	10	9.9	Все факты верны: Т-3/Гудрон, ВГ, ЛВГ. Кратко.
GPT-5.6 Luna (low)	10	9	10	9.9	Все факты верны: Т-3/Гудрон, ВГ, ЛВГ. Ясно.
GPT-5.6 Luna (med)	10	9	10	9.9	Все факты верны: Т-3/Гудрон, ВГ, ЛВГ. Аккуратно.
GPT-5.6 Luna (high)	10	9	10	9.9	Все факты верны: Т-3/Гудрон, ВГ, ЛВГ. Кратко и точно.
llama-scout	10	8	9	9.7	Все факты верны: Т-3/Гудрон, ВГ, ЛВГ. Расшифровки ВГ/ЛВГ приемлемы, но альтернатива «бензиновая фракция» для ЛВГ лишняя. Формат слегка перегружен markdown.
MiniMax-M3	8	9	9	8.2	Все четыре проверяемых факта верны: Х-3 → Т-3 и Гудрон, Х-2 → ВГ, Х-1 → ЛВГ. Снижение за домыслы в блоке «Логика цепочки» (питание теплообменников снизу А-1, подогрев мазутом из Е-1 через Н-1, привязка к «сечениям колонны») — этого на схеме не видно.
diffusion-gemma	7	8	8	7.2	Аббревиатуры верны (Т-3, Гудрон, ВГ, ЛВГ), но расшифровки выдуманы: «вещевые газы» и «легкие углеродные газы» — грубые ошибки.
Qwen3.6-35B-A3B-FP8	5	8	9	5.7	Ошибка в ключевом факте: над Х-3 указан Н-3 вместо Т-3. Продукты (Гудрон, ВГ, ЛВГ) верны.
Nemotron-3-Nano-Omni-30B	5	8	9	5.7	Ошибка в ключевом факте: над Х-3 указан «Х-3» вместо Т-3. Продукты верны.

Большинство моделей ответили идеально; kimi-k2.6 и sol-варианты дали верные факты с корректными расшифровками. 35b-a3b и nemotron-omni ошиблись в теплообменнике над Х-3, diffusion-gemma выдумала расшифровки.

diagram_общее_018b17ab47 — Характеристики двигателя на схеме тельферного крана

diagram · промпт 740 симв. · Победитель: GPT-5.6 Sol (low) · 9.9/10

▸Промпт задачи

Перед вами принципиальная электрическая схема (как указано в основной надписи — «Кран тельферный электрогидравлический. Схема электрическая принципиальная»). В правом верхнем углу листа расположена таблица перечня элементов с колонками «Поз. обозначение», «Наименование», «Кол.» и «Примечание». Найдите в этой таблице строку электродвигателя (позиционное обозначение M) и ответьте на три вопроса строго по таблице: 1) какой тип (марка) двигателя указан в наименовании; 2) какое количество двигателей установлено; 3) какие номинальные мощность и ток приведены в графе «Примечание»? Также укажите, на какое напряжение и частоту питающей сети рассчитана силовая часть схемы (см. подпись над вводными линиями A, B, C в центральной части листа).

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Sol (low)	10	9	10	9.9	Все факты точны, включая 3N~ и трёхфазность; АИР 100L2, 1, 5,5 кВт/10,7 А.
GPT-5.6 Sol (med)	10	9	10	9.9	Все факты верны: АИР 100L2, 1, 5,5 кВт/10,7 А, 380 В/50 Гц. Кратко.
GPT-5.6 Luna (low)	10	9	10	9.9	Все факты точны и корректно оформлены; АИР 100L2, 1, 5,5 кВт/10,7 А, 380 В/50 Гц.
GPT-5.6 Luna (med)	10	9	10	9.9	Все факты верны: АИР 100L2, 1 шт., 5,5 кВт/10,7 А, трёхфазная 380 В/50 Гц.
GPT-5.6 Luna (high)	10	9	10	9.9	Все факты точны: АИР 100L2, 1, 5,5 кВт/10,7 А, 380 В/50 Гц, трёхфазная. Чётко.
GPT-5.5 (low)	10	9	9	9.8	Все факты точны: АИР 100L2, 1, 5,5 кВт/10,7 А, 3N~50 Гц 380 В. Кратко и по делу.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Марка АИР 100L2, кол-во 1, 5,5 кВт/10,7 А, 380 В/50 Гц — всё верно; лишь код ТУ слегка искажён.
GPT-5.5 (medium)	9	9	9	9.0	Все ключевые факты верны; добавлено лишнее непроверяемое исполнение (ИМ1081 У3), что слегка снижает точность.
Qwen3.6-27B-FP8	9	8	8	8.8	Все ключевые факты верны (АИР 100L2, 1, 5,5 кВт/10,7 А, 380 В/50 Гц), но обозначение ТУ и подпись сети искажены.
GPT-5.6 Terra (med)	7	8	9	7.3	Марка АИР 100L2 верна (с лишним мусором 4К4S), числа и сеть верны; искажение в наименовании снижает балл.
Kimi K2.6	6	9	9	6.6	Марка АИР 100L2, кол-во 1, мощность и сеть верны, но ток указан неверно (11,1 А вместо 10,7 А).
Nemotron-3-Nano-Omni-30B	6	7	2	5.7	Числа верны (5,5 кВт/10,7 А, 1, 380 В/50 Гц), но марка искажена (АРР), выдуман заголовок таблицы, и ответ на английском.
GPT-5.6 Terra (low)	3	8	9	4.1	Марка выдумана (2АК4КБ-71В), хотя мощность/ток (5,5 кВт/10,7 А), количество и сеть верны.
gemma-4-31b	2	8	9	3.3	Марка выдумана (4А87S2-4 160M), ток неверный (10,2 А), напряжение 380/220. Верна лишь мощность и количество.
GPT-5.6 Terra (high)	2	8	9	3.3	Марка выдумана (2АК4КФ...), ток неверный (17 А). Верны лишь мощность, количество и сеть.
diffusion-gemma	2	8	8	3.2	Двигатель спутан с пускателем KM (ПМ-ДМ3-380/107) — именно та ошибка, о которой предупреждает эталон; хотя числа и сеть верны.
MiniMax-M3	1	8	9	2.5	Марка двигателя, мощность и ток полностью выдуманы (4МТН-200 LB6 У2, 30 кВт, 58 А вместо АИР 100L2, 5,5 кВт, 10,7 А), причём значения поданы как считанные с таблицы. Верны только количество (1) и сеть 380 В / 50 Гц; оформление и русский язык хорошие, но содержание — галлюцинация.
llama-scout	1	7	8	2.3	Выдумана марка АИР 80B2L, неверные мощность/ток (1,5 кВт/3,7 А) и напряжение (380/220). Почти всё неверно.

Полностью верны множество моделей (все luna/sol, gpt-5.5, 35b-a3b, 27b-v2); терра-варианты и gemma/llama/diffusion выдумали марку или спутали с пускателем KM.

diagram_банки_d042f89e1a — Схема перевода через СБП: шаги 2-6

diagram · промпт 494 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На схеме изображён процесс перевода денег от юрлица физлицу через Систему быстрых платежей (СБП), состоящий из 7 пронумерованных шагов. Внимательно проследите последовательность и ответьте: 1) Между какими двумя блоками (участниками) происходит шаг 2 «Запрос через СБП» и шаг 5 «Перевод через СБП»? 2) Какой блок является источником, а какой получателем на шаге 6 «Зачисление на счет физлица»? 3) Какие два участника обмениваются сообщениями на шагах 1, 3, 4 и 7 (то есть в левой части схемы)?

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все три вопроса решены верно: шаги 2 и 5 — между банком плательщика и банком получателя через СБП, шаг 6 — банк получателя → получатель-физлицо, шаги 1/3/4/7 — плательщик-юрлицо ↔ банк плательщика. Дополнительно корректно разобраны направления стрелок и учтены сноски о ОПКЦ и об интерфейсе банк—юрлицо.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три ответа верны; уместно уточняет, что связь идёт через СБП, но логически между двумя банками.
gemma-4-31b	10	9	10	9.9	Все три ответа полностью верны, точные названия блоков, чёткая структура.
GPT-5.5 (low)	10	9	10	9.9	Все ответы верны, корректно указано взаимодействие между двумя банками через СБП.
GPT-5.5 (medium)	10	9	10	9.9	Все три ответа полностью верны и ясно оформлены.
Kimi K2.6	10	9	10	9.9	Все ответы верны, хорошо объяснена роль СБП как посредника/канала.
GPT-5.6 Terra (low)	10	8	10	9.8	Все три ответа верны, точные названия блоков в кавычках.
GPT-5.6 Terra (med)	10	8	10	9.8	Все ответы верны, аккуратные названия блоков.
GPT-5.6 Sol (low)	10	8	9	9.7	Все ответы верны, дополнительно указано направление стрелок.
GPT-5.6 Sol (med)	10	8	9	9.7	Все три ответа полностью верны.
GPT-5.6 Terra (high)	10	7	9	9.6	Все ответы верны, очень сжато.
GPT-5.6 Luna (low)	10	7	9	9.6	Все ответы верны, лаконичное корректное изложение.
GPT-5.6 Luna (med)	10	7	9	9.6	Все ответы верны, кратко и точно.
GPT-5.6 Luna (high)	10	7	9	9.6	Все три ответа верны, изложены кратко без структурирования.
Nemotron-3-Nano-Omni-30B	9	6	6	8.4	Ответы по сути верны, но крайне лаконичны и есть опечатка корлицо.
llama-scout	5	8	9	5.7	Q2 и Q3 верны, но Q1 ошибочно указывает шаги 2/5 между Банком плательщика и СБП, а не между двумя банками.
Qwen3.6-27B-FP8	5	8	8	5.6	Q1 разбит неверно (шаг2 банк-СБП, шаг5 СБП-банк получателя) вместо связи между двумя банками; Q2/Q3 верны, опечатка Платежщик.
diffusion-gemma	4	6	5	4.3	Q1 ошибочно (банк плательщика и СБП); Q2/Q3 по сути верны, но множество опечаток (сновываясь, Полутель, Эми).

Многие модели ответили полностью верно; 35b-a3b выделяется корректностью, ясной структурой и уместным пояснением роли СБП. Слабее всех diffusion-gemma и llama-scout/27b-v2 (ошибка в Q1).

diagram_общее_92ccce913e — Перечень элементов схемы регулятора температуры

diagram · промпт 546 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед вами принципиальная электрическая схема «Регулятор температуры сетевой воды поз. С-22» с таблицей-перечнем элементов справа. В этой таблице элементы сгруппированы по трём разделам. Ответьте по таблице на схеме: 1) Как называются эти три раздела (заголовки групп аппаратуры)? 2) Сколько единиц микровыключателей (позиционное обозначение S1, S2) указано в столбце «Кол.»? 3) Какое наименование стоит в строке с позиционным обозначением «КМ»? 4) Что написано в столбце «Примечание» напротив строк раздела «Аппаратура в соединительной коробке»?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все 4 пункта верны, включая точную модель ПМЕ-083-220В и «Комплектно с Р25». Чёткая структура.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все ответы точны и полны, аккуратное форматирование и хороший русский.
diffusion-gemma	10	9	10	9.9	Все 4 пункта верны (ПМЭ-083 — мелкая ошибка литеры), хорошее оформление.
GPT-5.5 (low)	10	9	10	9.9	Все верно, отдельно отмечено, что примечание относится к строкам C1,C2 и R1,R2.
GPT-5.5 (medium)	10	9	10	9.9	Все 4 пункта точны, лаконично и корректно.
Kimi K2.6	10	9	10	9.9	Все верно; примечание разбито по строкам, но правильно сведено к «Комплектно с Р25».
GPT-5.6 Sol (low)	10	9	10	9.9	Все 4 пункта точны, чёткое оформление.
GPT-5.6 Sol (med)	10	9	10	9.9	Все верно; отдельно указано, что примечание общее для строк C1,C2 и R1,R2.
GPT-5.6 Luna (low)	10	9	10	9.9	Все ответы точны и корректно оформлены.
GPT-5.6 Luna (med)	10	9	10	9.9	Все верно, аккуратная структура и хороший русский.
GPT-5.6 Luna (high)	10	9	10	9.9	Все 4 пункта верны, ясно и структурировано.
GPT-5.6 Terra (low)	10	8	9	9.7	Все верно, лаконично; «Комплектное» — незначительная описка.
GPT-5.6 Terra (med)	10	8	9	9.7	Все 4 пункта верны, кратко; мелкая описка «Комплектное».
GPT-5.6 Terra (high)	10	7	9	9.6	Все ответы верны (мелкая описка «Комплектное»), но крайне сжато, без пояснений.
Nemotron-3-Nano-Omni-30B	10	6	9	9.5	Все ответы верны (2208 — OCR-прочтение 220В), но предельно кратко, без структуры и пояснений.
gemma-4-31b	6	8	9	6.5	Разделы и количество верны, но модель пускателя указана как ПМЕ-283 вместо ПМЕ-083; примечание передано по частям, но по сути верно.
llama-scout	3	7	8	3.9	Разделы и количество верны, но КМ назван «Контактор» (в таблице — пускатель магнитный), а примечание искажено до «R5» вместо «Комплектно с Р25».
MiniMax-M3	2	7	8	3.1	Верны только п.1 (три раздела) и п.2 (2 микровыключателя); в п.3 вместо «Пускатель магнитный ПМЕ-083-220В» дан «Контактор», а в п.4 модель галлюцинирует несуществующие строки S1,S2 «Концевик» и S3,S4,S5 «Разъём» и примечание «Комплектно с РВВ» вместо C1,C2 «Конденсатор»/R1,R2 «Резистор» с «Комплектно с Р25». Оформление и русский язык хорошие, но содержательно ответ провален по половине пунктов с выдумкой.

Подавляющее большинство моделей дали все 4 факта верно; выделяется gpt-5.5-low точностью и указанием, что примечание относится к обеим строкам. llama-scout и gemma допустили ошибки в наименовании КМ / модели и примечании.

diagram_общее_60836513c9 — Элементы принципиальных электрических схем

diagram · промпт 494 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении показаны два примера принципиальных электрических схем — а) и в). Ответьте по картинке на следующие вопросы: 1) Какой буквой и каким прибором (его условным обозначением в кружке) обозначен измерительный элемент, общий для обеих схем, и как он называется согласно подписи? 2) В схеме в) присутствует элемент, которого нет в схеме а). Назовите его буквенное обозначение и название по подписи. 3) Сколько ламп накаливания в схеме а) и сколько в схеме в)? Перечислите их обозначения.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все три ответа верны: амперметр P/P1 (A), трансформатор T, лампы 2 (E1,E2) и 3 (E1,E2,E3). Полно и с уместными примечаниями.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все ответы точны и структурированы: амперметр P/P1, трансформатор T, 2 и 3 лампы.
gemma-4-31b	10	9	10	9.9	Верно всё: P/P1 амперметр, T трансформатор (упомянут и P2), 2 и 3 лампы.
GPT-5.5 (low)	10	9	10	9.9	Кратко и полностью верно: P/P1 амперметр, T трансформатор, 2 и 3 лампы.
GPT-5.5 (medium)	10	9	10	9.9	Все ответы точны и ясны: P/P1 амперметр, T трансформатор, 2 и 3 лампы.
Kimi K2.6	10	9	10	9.9	Полный и точный ответ: амперметр P/P1, трансформатор T (с примечанием о P2), 2 и 3 лампы.
GPT-5.6 Sol (low)	10	9	10	9.9	Точный ответ: P/P1 амперметр, T трансформатор, 2 и 3 лампы.
GPT-5.6 Sol (med)	10	9	10	9.9	Все ответы верны и ясны: P/P1 амперметр, T трансформатор, 2 и 3 лампы.
GPT-5.6 Terra (low)	10	9	10	9.9	Верно всё: P/P1 амперметр, T трансформатор, 2 и 3 лампы.
GPT-5.6 Terra (med)	10	9	10	9.9	Точный ответ: амперметр P/P1 (A), трансформатор T, 2 и 3 лампы.
GPT-5.6 Terra (high)	10	9	10	9.9	Полно и верно: амперметр P/P1, трансформатор T и дополнительно вольтметр P2, 2 и 3 лампы.
GPT-5.6 Luna (med)	10	9	10	9.9	Всё верно: амперметр P/P1 (A), трансформатор T, 2 и 3 лампы.
diffusion-gemma	9	9	10	9.1	Все факты верны, но в п.1 указал только P без P1; лампы и трансформатор правильно.
GPT-5.6 Luna (high)	9	8	9	8.9	Верно, но в п.1 дал только P без P1; трансформатор и лампы правильно.
llama-scout	9	7	8	8.7	Факты верны, но в п.1 неудачно назвал P/P1 «названием по подписи»; лишний LaTeX ($1$) мешает читаемости.
MiniMax-M3	7	9	9	7.4	Вопросы 1 и 3 полностью верны (амперметр P/P1 с буквой «A» в кружке; 2 лампы E1,E2 и 3 лампы E1,E2,E3). В вопросе 2 назван лишь допустимый вариант P2 — вольтметр, а главный ожидаемый элемент — трансформатор T — не упомянут, что снижает точность.
GPT-5.6 Luna (low)	4	7	9	4.8	Серьёзная ошибка в п.3: для схемы в) указал 2 лампы E2,E3 вместо трёх (E1,E2,E3); остальное верно.
Nemotron-3-Nano-Omni-30B	2	3	4	2.3	Грубые ошибки: п.2 назвал P1-амперметр вместо трансформатора T; в п.3 для схемы в) указал 2 лампы E2,E3 вместо трёх.

Множество моделей дали полностью верные ответы; лидеры (27b-v2, 35b-a3b, gemma-4-31b, kimi-k2.6, terra-high) отличаются полнотой. Провалились nemotron-omni и luna-low из-за ошибок в числе ламп/трансформаторе.

diagram_операционка_3a7ab80f07 — Цеха в дивизиональной оргструктуре

diagram · промпт 298 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед вами схема «Дивизиональная организационная структура». Внутри блока «Производство» каждого завода перечислены цеха по их номерам. Выпишите все номера цехов в том виде, как они указаны на схеме, и ответьте: какого номера цеха в этом ряду не хватает (какой номер пропущен в последовательности)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Верно выписаны все номера (1,2,3,4,6,7) и однозначно назван пропущенный цех 5. Чёткая структура.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Точно перечислены цеха и назван пропущенный Цех 5. Ясно и структурно.
Kimi K2.6	10	10	10	10.0	Полный корректный список по обоим заводам и однозначно назван пропущенный цех 5.
gemma-4-31b	10	9	10	9.9	Верные номера и правильный ответ Цех 5, лаконично.
GPT-5.5 (low)	10	9	10	9.9	Корректный список 1,2,3,4,6,7 и пропущенный 5, кратко и точно.
GPT-5.5 (medium)	10	9	10	9.9	Верные номера и правильный ответ 5.
MiniMax-M3	10	9	10	9.9	Номера цехов прочитаны верно (1,2,3,4,6,7) и однозначно назван пропущенный Цех 5. Ответ компактный и корректный, но без явного указания, что список одинаков для обоих заводов, и без развёрнутого анализа.
GPT-5.6 Sol (low)	10	9	10	9.9	Правильно перечислены цеха и назван пропущенный № 5.
GPT-5.6 Sol (med)	10	9	10	9.9	Верные номера и правильный ответ Цех 5.
GPT-5.6 Terra (med)	10	9	10	9.9	Точный список 1,2,3,4,6,7 и правильный пропущенный Цех 5.
GPT-5.6 Luna (low)	10	9	10	9.9	Корректный список и правильный ответ 5.
GPT-5.6 Luna (med)	10	9	10	9.9	Верно: 1,2,3,4,6,7, пропущен 5.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные номера и правильный пропущенный 5, лаконично.
diffusion-gemma	10	9	9	9.8	Правильно выписаны номера и назван пропущенный Цех 5.
GPT-5.6 Terra (low)	10	8	10	9.8	Верно перечислены цеха и назван пропущенный Цех 5.
GPT-5.6 Terra (high)	10	8	10	9.8	Корректный список и пропущенный Цех 5, очень кратко.
llama-scout	10	8	9	9.7	Правильно перечислены цеха обоих заводов и назван пропущенный 5. LaTeX-обёртка чисел ($1$) слегка мешает читаемости.
Nemotron-3-Nano-Omni-30B	7	2	4	6.2	Назван правильный пропущенный номер 5, но номера цехов не выписаны и нет никакого разбора — задание выполнено лишь частично.

Почти все модели верно прочитали номера (1,2,3,4,6,7) и назвали пропущенный Цех 5. Лучшие — полные и структурные ответы (27b-v2, 35b-a3b, kimi-k2.6); nemotron-omni дал лишь голое «5» без разбора.

diagram_операционка_e811c35487 — Организационная структура компании

diagram · промпт 289 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

Перед вами организационная схема компании. Назовите все четыре отдела, которые подчиняются напрямую блоку «Руководитель компании» (верхний уровень после руководителя). Затем для отдела «HR» перечислите по порядку сверху вниз все блоки, которые расположены под ним в его вертикальной ветке.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все четыре отдела названы верно в правильном порядке, подблоки HR (Найм, затем Обучение и стажировка) перечислены точно. Ответ предельно чёткий и структурированный, без лишних рассуждений.
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью верно: четыре отдела и правильный порядок подблоков HR.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все четыре отдела названы верно, под HR правильный порядок Найм → Обучение и стажировка. Чёткая структура.
Kimi K2.6	10	9	10	9.9	Всё верно, чёткая структура и корректный порядок подблоков HR.
GPT-5.6 Sol (low)	10	9	10	9.9	Полностью верно, чёткий нумерованный список.
GPT-5.6 Sol (med)	10	9	10	9.9	Полностью верно, порядок подблоков HR соблюдён.
GPT-5.6 Luna (low)	10	9	10	9.9	Полностью верно, аккуратное оформление.
GPT-5.6 Luna (med)	10	9	10	9.9	Всё верно, ясная структура с выделением.
GPT-5.6 Luna (high)	10	9	10	9.9	Полностью верно, аккуратное оформление.
gemma-4-31b	10	8	10	9.8	Всё верно, лаконично и по существу.
GPT-5.6 Terra (low)	10	8	10	9.8	Верно, отделы строкой, подблоки HR нумерованным списком.
GPT-5.6 Terra (med)	10	8	10	9.8	Верно, лаконично и с корректным порядком.
GPT-5.6 Terra (high)	10	7	10	9.7	Верно, но кратко в строку без списков.
Nemotron-3-Nano-Omni-30B	10	5	8	9.3	Ответ фактически верный, но предельно сжат одной строкой без структуры.
GPT-5.5 (low)	7	8	10	7.4	Отделы верны, но в ветке HR лишне добавлен сам «HR» как подблок.
GPT-5.5 (medium)	7	8	10	7.4	Отделы верны, но в ветке HR ошибочно включён сам блок «HR».
llama-scout	7	8	9	7.3	Отделы верны, но в ветке HR ошибочно включён сам блок «HR» как подблок — лишний элемент.
diffusion-gemma	7	8	8	7.2	Порядок и структура верны, но опечатка «МАРКИНГ» вместо «МАРКЕТИНГ» — искажение названия отдела.

Большинство моделей ответили идеально; штрафы за включение самого «HR» как подблока (llama-scout, gpt-5.5) и опечатку «МАРКИНГ» (diffusion-gemma).

diagram_нефтегаз_8c6092c553 — Последовательность блоков на технологической схеме

diagram · промпт 478 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.8/10

▸Промпт задачи

На изображении приведена технологическая (аппаратурная) схема с пронумерованными блоками. Проследите ОСНОВНУЮ горизонтальную линию обработки в среднем ряду (от входа «II» слева до выхода «41» справа вверху) и перечислите по порядку номера блоков, через которые проходит поток. Назовите, какой блок стоит непосредственно ПЕРЕД аппаратом №5 и какой — сразу ПОСЛЕ него по ходу этой линии. Также укажите, под каким номером обозначен самый правый блок (квадрат с выходом «41» вверх).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Полностью верная цепочка с блоком 6, перед 5 — 4, после 5 — 6, правый блок 18. Эталонный ответ.
GPT-5.5 (low)	10	9	9	9.8	Полная верная цепочка с 6, перед 5 — 4, после 5 — 6, правый блок 18. Кратко и точно.
GPT-5.5 (medium)	10	9	9	9.8	Полная верная цепочка, перед 5 — 4, после 5 — 6 с уточнением про крупные аппараты, правый блок 18.
GPT-5.6 Sol (low)	10	9	9	9.8	Полная верная цепочка, перед 5 — 4, после 5 — 6, правый блок 18, выход 41 отделён от номера.
GPT-5.6 Sol (med)	10	9	9	9.8	Полная верная цепочка, перед 5 — 4, после 5 — 6, правый блок 18.
GPT-5.6 Terra (med)	10	9	9	9.8	Полная верная цепочка с 6, перед 5 — 4, после 5 — 6, правый блок 18.
GPT-5.6 Terra (high)	10	9	9	9.8	Полная верная цепочка с 6, перед 5 — 4, после 5 — 6, правый блок 18.
GPT-5.6 Luna (low)	10	9	9	9.8	Полная верная цепочка с 6, перед 5 — 4, после 5 — 6, правый блок 18.
GPT-5.6 Luna (med)	10	9	9	9.8	Полная верная цепочка с 6, перед 5 — 4, после 5 — 6, правый блок 18.
GPT-5.6 Luna (high)	10	9	9	9.8	Полная верная цепочка с 6, перед 5 — 4, после 5 — 6, правый блок 18.
Qwen3.6-27B-FP8	8	9	9	8.2	Верный порядок и блок 18, перед 5 — 4; после 5 — 10, затем 11; блок 6 пропущен, но анализ с пояснениями хорош.
llama-scout	8	9	9	8.2	Верный порядок и блок 18, перед 5 — 4; после 5 указан 10 (допустимо), но пропущен блок 6 в цепочке.
Kimi K2.6	8	9	9	8.2	Верный порядок, перед 5 — 4, после 5 — 10 (допустимо), блок 18 верно; пропущен блок 6.
GPT-5.6 Terra (low)	8	9	9	8.2	Верный порядок, перед 5 — 4, после 5 — 10 (допустимо), блок 18 верно; блок 6 пропущен.
MiniMax-M3	7	8	9	7.3	Цепочка 1-3-4-5-6-10-11-12-13-14-15-16-17-18 и правый блок №18 определены верно, но на прямой вопрос о блоке ПЕРЕД №5 дан ошибочный ответ «№3» (эталон — теплообменник №4), что противоречит собственной же цепочке. Формат и русский язык хорошие.
diffusion-gemma	6	7	4	5.9	Перед 5 — 4 верно, блок 18 верно, но пропущены 1 и 3, нет блока 6; много опечаток и обрывов в русском тексте.
gemma-4-31b	3	8	9	4.1	Пропущен блок 4 в цепочке, ошибочно назвал перед 5 блок 3 вместо 4 — ключевая ошибка; блок 18 верно.
Nemotron-3-Nano-Omni-30B	2	6	0	2.2	Ответ на английском; перед 5 назван 2, после 5 — 11 — обе позиции неверны; только блок 18 угадан.

Много моделей дали идеальный ответ (цепочка с блоком 6, перед 5 — 4, после 5 — 6, правый 18); gpt-5.5-medium выделяется полнотой и уточнениями. Провалы: gemma-4-31b (перед 5 — 3) и nemotron-omni (англ., неверные соседи 5).

diagram_операционка_7149dfd0da — Подчинённые Главного Инженера на оргсхеме

diagram · промпт 285 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед вами организационная структура компании в виде иерархической схемы. Найдите на схеме блок «Главный Инженер» и перечислите все блоки, которые подчиняются ему напрямую (находятся на следующем уровне и соединены с ним линиями). Сколько таких подчинённых блоков и как они называются?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Точный ответ: 3 верных блока, корректное описание положения на схеме.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Верно назвал ровно 3 блока: Операторы АСДУ, Электрики, Сантехники. Чёткая структура.
GPT-5.5 (low)	10	10	10	10.0	Точно назвал 3 блока с итогом. Ясно и корректно.
GPT-5.5 (medium)	10	10	10	10.0	Верно указаны 3 прямых подчинённых блока.
Kimi K2.6	10	10	10	10.0	Точный ответ с корректным описанием расположения блоков.
GPT-5.6 Sol (low)	10	10	10	10.0	Точно назвал 3 блока, чёткий нумерованный список.
GPT-5.6 Sol (med)	10	10	10	10.0	Верно указаны 3 прямых подчинённых блока.
GPT-5.6 Luna (low)	10	10	10	10.0	Точный ответ: 3 блока с итоговой суммой.
gemma-4-31b	10	9	10	9.9	Верно назвал 3 блока, ответ лаконичен и точен.
GPT-5.6 Terra (low)	10	9	10	9.9	Точный ответ: 3 верных блока.
GPT-5.6 Terra (med)	10	9	10	9.9	Верно назвал 3 блока, ясно и корректно.
GPT-5.6 Terra (high)	10	9	10	9.9	Верно назвал 3 блока, лаконично.
GPT-5.6 Luna (med)	10	9	10	9.9	Верно указаны 3 непосредственных подчинённых.
GPT-5.6 Luna (high)	10	9	10	9.9	Верно назвал 3 блока, лаконично и ясно.
diffusion-gemma	10	9	8	9.7	Все 3 блока верны, но есть опечатка «на уровне уровне ниже».
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Верно назвал 3 блока, но ответ очень краток без пояснений.
MiniMax-M3	9	9	10	9.1	Названы ровно три верных блока — «Операторы АСДУ», «Электрики», «Сантехники» — и корректно отсечены «Операторы Горячей Линии». Мелкая неточность в локализации: «Главный Инженер» стоит в одном ряду с «Финансовым директором», а не под ним.
llama-scout	1	8	9	2.5	Ошибочно указал 4 блока, добавив «Операторы Горячей Линии», которые подчиняются Руководителю IT отдела. Грубая ошибка.

Почти все модели дали верный ответ (3 блока: Операторы АСДУ, Электрики, Сантехники); llama-scout грубо ошибся, добавив четвёртый чужой блок.

diagram_операционка_f201b5cf0d — Организационная структура: подчинённость департаментов

diagram · промпт 432 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

Перед вами организационная структура компании. Рассмотрите её и ответьте на вопросы: 1) Сколько зелёных блоков второго уровня (руководящих позиций) подчинено напрямую блоку «Дирекция»? Перечислите их названия. 2) Производственный департамент и Коммерческий департамент подчиняются одной из этих руководящих позиций. Какой именно? 3) Перечислите все четыре подразделения (белые блоки), входящие в Финансово-экономический департамент.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все три ответа полностью совпадают с эталоном: три зелёных блока с верными названиями, Заместитель генерального директора, все четыре подразделения ФЭД. Ответ чёткий, структурированный, без лишних домыслов.
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью корректные ответы по всем трём пунктам, аккуратное оформление и хороший русский.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три ответа полностью верны: 3 руководителя, Зам. ген. директора, четыре подразделения ФЭД перечислены точно. Чёткая структура.
gemma-4-31b	10	9	10	9.9	Все три ответа точны и соответствуют картинке, ясная нумерация и списки.
GPT-5.5 (low)	10	9	10	9.9	Все ответы верны и лаконичны, чёткое оформление списками.
GPT-5.5 (medium)	10	9	10	9.9	Точные ответы по всем пунктам, аккуратное форматирование с выделением.
Kimi K2.6	10	9	10	9.9	Все три ответа полностью верны, чистое структурированное оформление.
GPT-5.6 Sol (low)	10	9	10	9.9	Все ответы верны, аккуратное форматирование и грамотный русский.
GPT-5.6 Sol (med)	10	9	10	9.9	Точные ответы по всем трём пунктам, чистая структура.
GPT-5.6 Terra (low)	10	9	10	9.9	Верные ответы по всем пунктам, ясное оформление списками.
GPT-5.6 Terra (med)	10	9	10	9.9	Полностью корректные ответы, аккуратная структура и хороший русский.
GPT-5.6 Terra (high)	10	9	10	9.9	Все ответы соответствуют схеме, лаконично и структурировано.
GPT-5.6 Luna (low)	10	9	10	9.9	Все ответы точны, оформление ясное и последовательное.
GPT-5.6 Luna (med)	10	9	10	9.9	Полностью корректно, «Финансовый и управленческий учет» — допустимая расшифровка.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные и лаконичные ответы по всем пунктам, аккуратные списки.
llama-scout	10	9	9	9.8	Все ответы верны, названия совпадают со схемой. Немного избыточно повторяет вопросы, но структурно чисто.
diffusion-gemma	10	7	8	9.5	Содержание верное, но есть опечатка «сновываясь» и лишние символы **, что снижает аккуратность.
Nemotron-3-Nano-Omni-30B	5	6	8	5.4	П.1 и п.2 верны, но в п.3 вместо перечисления подразделений ФЭД ошибочно повторён ответ про Зам. ген. директора — задание не выполнено.

Почти все модели дали полностью верные ответы; nemotron-omni провалил п.3. Победитель выбран среди эквивалентно точных за полноту и чистоту оформления.

diagram_промышленность_1695cf2252 — Сравнение толщин материалов при равном теплосопротивлении

diagram · промпт 376 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 10.0/10

▸Промпт задачи

На чертеже справа вверху приведена диаграмма «Соотношение толщин различных материалов при одинаковом термическом сопротивлении». Рассмотри её и ответь: 1) какой материал имеет наименьшую толщину и чему она равна (в мм); 2) какой материал имеет наибольшую толщину и чему она равна (в мм); 3) перечисли все материалы в порядке возрастания толщины с указанием значений в скобках.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все шесть материалов и значения точны, min/max верны, порядок правильный.
GPT-5.5 (low)	10	9	10	9.9	Идеально: все материалы, значения и порядок совпадают с диаграммой.
GPT-5.6 Sol (low)	10	9	10	9.9	Идеально: все материалы, значения и возрастающий порядок точны.
GPT-5.6 Sol (med)	10	9	10	9.9	Идеально: все шесть материалов и значений совпадают с диаграммой.
diffusion-gemma	9	9	9	9.0	Все значения и порядок точны, min/max верны; лишь опечатка 'Ячестый бетон'.
Kimi K2.6	9	9	9	9.0	Все значения и порядок точны, min/max верны; лишь 'Пенобетон' вместо ячеистого бетона (380 мм).
Qwen3.6-27B-FP8	7	9	8	7.3	Все значения верны и min/max корректны, но названия искажены: 'Глинобетон' и 'Железный бетон' вместо газобетона/ячеистого бетона.
GPT-5.6 Terra (low)	6	8	9	6.5	Минвата 145 вместо 45; прочие значения и min/max верны.
GPT-5.6 Terra (med)	6	8	9	6.5	Минвата 145 вместо 45; прочие значения и min/max верны.
GPT-5.6 Terra (high)	6	8	9	6.5	Единственная ошибка — минвата 145 вместо 45 (сдвиг порядка); остальные значения и min/max верны.
GPT-5.5 (medium)	5	9	9	5.8	Min/max верны, но газобетон 322 вместо 232 и ячеистый бетон 350 вместо 380.
GPT-5.6 Luna (med)	5	8	9	5.7	Минвата 145 вместо 45, ячеистый бетон 390 вместо 380; min/max верны.
GPT-5.6 Luna (high)	5	8	9	5.7	Минвата 145 вместо 45 (нарушен порядок), ячеистый бетон 390 вместо 380; min/max верны.
GPT-5.6 Luna (low)	4	8	8	4.8	Минвата 145 вместо 45 и стоит перед деревом 140 — порядок нарушен; ячеистый 390; противоречивое примечание.
MiniMax-M3	3	8	9	4.1	Названия материалов и порядок возрастания верны, максимум (кирпичная кладка 860 мм) угадан, но три из шести значений выдуманы: пенополистирол назван 100 мм вместо 40, минвата 133 вместо 45, дерево 168 вместо 140 — то есть ключевой ответ на пункт 1 неверен. Вывод про 8,6-кратную разницу противоречит собственным числам, хотя формат и русский язык хорошие.
llama-scout	3	7	7	3.8	Пенополистирол указан как 60 мм вместо 40 (ошибка минимума); 'Железный бетон' вместо ячеистого; путаное примечание про 145 мм.
gemma-4-31b	2	8	9	3.3	Максимум ошибочен: кирпичная кладка 500 мм вместо 860; ячеистый бетон 300 вместо 380.
Nemotron-3-Nano-Omni-30B	0	1	1	0.2	Полная выдумка: 'Пластик', 'карнический кирпич 1860 мм' и бессмысленные значения.

Несколько моделей дали идеальный ответ (35b-a3b, gpt-5.5-low, gpt-5.6-sol-low/medium); 35b-a3b выбран за полную точность и чёткое оформление списком.

diagram_промышленность_52399ed113 — Цепочка переработки молока: путь до сыра

diagram · промпт 316 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.8/10

▸Промпт задачи

На схеме показан процесс переработки цельного молока на молочном производстве. Проследите по стрелкам нижнюю ветку — производство сыра. Перечислите по порядку все стадии/единицы оборудования от «Ванны сыродельной» до готового продукта (с указанием промежуточных продуктов на стрелках). Куда в итоге направляется сыр?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Верный порядок трёх единиц, оба промежуточных продукта и конечный пункт «на посолку и созревание». Мелкая опечатка «свинчивание».
GPT-5.5 (low)	10	9	9	9.8	Точная последовательность, оба промежуточных продукта и конечный пункт названы верно.
GPT-5.5 (medium)	10	9	9	9.8	Точная и чистая последовательность с промежуточными продуктами и правильным итогом «на посолку и созревание».
Kimi K2.6	10	9	9	9.8	Верный порядок, оба промежуточных продукта и правильный конечный пункт; ясное оформление.
GPT-5.6 Sol (med)	10	9	9	9.8	Верный порядок, оба продукта и правильный конечный пункт; хорошее оформление.
gemma-4-31b	10	9	8	9.7	Полностью верный порядок, промежуточные продукты и итог; опечатка «скишвание».
GPT-5.6 Sol (low)	10	8	9	9.7	Точная последовательность с промежуточными продуктами и верным итогом «на посолку и созревание».
GPT-5.6 Terra (low)	10	8	9	9.7	Верная последовательность и итог в сжатом виде.
GPT-5.6 Terra (high)	10	8	9	9.7	Компактная, но полностью верная цепочка с промежуточными продуктами и итогом.
diffusion-gemma	9	9	8	8.9	Верный порядок и продукты, итог правильный; опечатка «прессованиера».
GPT-5.6 Luna (med)	9	8	9	8.9	Верный порядок и конечный пункт; сжато, но «головки сыра» и «сырное зерно» корректно указаны.
GPT-5.6 Luna (high)	9	9	8	8.9	Верная последовательность и итог; неточность «сырое зерно» вместо «сырное».
Qwen3.6-27B-FP8	9	9	7	8.8	Верная последовательность, продукты и конечный пункт указаны правильно; несколько опечаток («сваливание», «разрежка», «сампрессование»).
GPT-5.6 Luna (low)	9	8	8	8.8	Порядок и итог верны; опечатка «сырое зерно».
GPT-5.6 Terra (med)	7	7	8	7.1	Порядок верный, но конечный пункт искажён: вместо «на посолку и созревание» добавлено «на реализацию/хранение», чего на схеме нет.
llama-scout	5	6	6	5.2	Порядок в целом верный, но начало спутано («Сырное зерно → Сырное зерно») и выдумано «отправка в магазины для продажи потребителям», чего на схеме нет.
MiniMax-M3	3	7	8	3.9	Первые три единицы оборудования и промежуточные продукты («сырное зерно», «головки сыра») названы верно, но модель дописала в таблицу как элементы схемы несуществующие стадии: «Участок посолки и созревания», «Фасовка сыра», «склад готовой продукции», «потребитель» (на схеме фасовка относится только к сметане, а финальная стрелка просто уходит вправо с подписью «Сыр на посолку и созревание»). Это выдумка, поданная как считанное со схемы, и итоговый пункт назван неверно (склад/торговая сеть вместо посолки и созревания).
Nemotron-3-Nano-Omni-30B	1	1	1	1.0	Полный провал: сплошной англоязычный поток сознания, выдуманные и искажённые названия («Сосревание соващивание ряда», «Сыр на полусу и сопрование»), неверная структура.

Большинство моделей дали точную цепочку; лидеры (gpt-5.5, kimi, 35b-a3b, sol/gpt-5.6) идентично сильны. Nemotron-omni полностью провалился, llama-scout и terra-medium добавили выдумки в конечный пункт.

diagram_промышленность_6cc72bbdd7 — Расшифровка обозначений и точек контроля на технологической схеме

diagram · промпт 646 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед вами технологическая схема металлургического производства с точками контроля и пробоотбора, пронумерованными выносками вида «N(XX)», где XX — буквенное обозначение типа точки. В левом верхнем углу приведена легенда этих обозначений. Ответьте на три вопроса строго по изображению: 1) Как расшифровываются все четыре буквенных обозначения из легенды (РК, РП, АК, АП)? 2) Точка с номером 23 у входа в первый аппарат группы «Рукавные фильтры» — к какому типу контроля/пробоотбора она относится (что указано в скобках после её номера) и как это расшифровывается по легенде? 3) Назовите два аппарата на схеме, подписанные словом «Электрофильтр».

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Идеально: верные расшифровки, точка 23(АК), оба электрофильтра с привязкой к выноскам 6/21 и 22.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три пункта верны, электрофильтры локализованы корректно (после котла-утилизатора и в линии технологических газов).
diffusion-gemma	10	9	10	9.9	Все пункты верны, электрофильтры указаны после котла-утилизатора и у силосов накопления пыли.
GPT-5.5 (low)	10	9	10	9.9	Точные ответы по всем трём вопросам, оба электрофильтра корректно локализованы.
GPT-5.5 (medium)	10	9	10	9.9	Верно всё; электрофильтры после котла-утилизатора и в правой части схемы.
GPT-5.6 Sol (med)	10	9	10	9.9	Все пункты верны, электрофильтры корректно локализованы в центре и справа.
GPT-5.6 Terra (low)	10	9	10	9.9	Все три пункта верны, локализация электрофильтров корректна.
GPT-5.6 Terra (med)	10	9	10	9.9	Верно всё; электрофильтры после котла-утилизатора и перед силосами.
GPT-5.6 Terra (high)	10	9	10	9.9	Точные ответы, оба электрофильтра указаны верно.
gemma-4-31b	10	8	10	9.8	Легенда и точка 23 верны, но по электрофильтрам лишь констатация 'их два' без локализации.
GPT-5.6 Sol (low)	10	8	10	9.8	Верно всё; электрофильтры котла-утилизатора и технологических газов.
GPT-5.6 Luna (low)	10	8	10	9.8	Все ответы верны, электрофильтры у котла-утилизатора и в серно-кислотном цехе.
GPT-5.6 Luna (high)	10	8	10	9.8	Кратко и верно по всем трём пунктам, электрофильтры локализованы правильно.
Nemotron-3-Nano-Omni-30B	10	7	9	9.6	Содержательно всё верно, но нумерация непоследовательна и оформление минимальное.
Kimi K2.6	9	9	10	9.1	Легенда и точка 23 верны; второй электрофильтр привязан к квенчеру — слегка неточно, но локация правой части верна.
llama-scout	9	9	9	9.0	Легенда и точка 23 верны; оба электрофильтра указаны с примерными расположениями, второй ('перед силосом') слегка неточен, но приемлемо.
GPT-5.6 Luna (med)	8	8	10	8.2	Легенда и точка 23 верны, но второй электрофильтр ошибочно помещён 'перед рукавными фильтрами'.
MiniMax-M3	3	8	8	4.0	Легенда расшифрована верно и оба электрофильтра найдены, но ключевой пункт 2 провален: выноска подписана 23(АК) — автоматический контроль, а модель прочитала «23(АП)» и назвала автоматический пробоотбор. Формулировка про правый электрофильтр («в сернокислотные технологические газы», «перед вторым блоком рукавных фильтров») тоже неточна.

Практически все модели идеально расшифровали легенду и тип точки 23(АК). 27b-v2 выделяется точной привязкой обоих электрофильтров к выноскам; luna-medium ошиблась в локации второго электрофильтра.

diagram_промышленность_f16b301f13 — Маршрут «Щепы» в схеме подготовки массы для бумфабрики

diagram · промпт 439 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед вами технологическая блок-схема подготовки бумажной массы. На входе сверху подаётся поток «Балансы», на выходе массу направляют «На бумфабрику» (внизу слева) или «В сток» (внизу справа). От блока «щеповка» отходит горизонтальная стрелка с подписью «Щепа». Проследите по схеме: в какой блок поступает поток, помеченный надписью «Щепа», и какой блок следует сразу после него по правой ветви процесса? Назовите оба блока по их подписям.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Оба блока указаны верно, кратко и ясно.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Оба блока названы верно: «молотковая мельница» и «бассейн под молотковой мельницей». Чёткий структурированный ответ.
gemma-4-31b	10	9	10	9.9	Верно названы оба блока, аккуратная формулировка.
diffusion-gemma	10	9	10	9.9	Правильный ответ с обоими блоками, чёткая нумерация.
GPT-5.5 (low)	10	9	10	9.9	Оба блока верны, ответ ясный и точный.
GPT-5.5 (medium)	10	9	10	9.9	Оба блока названы правильно, безупречная формулировка.
Kimi K2.6	10	9	10	9.9	Верно указаны оба блока, кратко и грамотно.
MiniMax-M3	10	8	10	9.8	Оба блока названы верно: «Щепа» идёт в «молотковую мельницу», далее «бассейн под молотковой мельницей»; корректно указан и источник потока. Ответ предельно краткий, без разбора трассировки, но точный и ясный.
GPT-5.6 Sol (low)	10	8	10	9.8	Верный ответ с двумя блоками, лаконичная формулировка.
GPT-5.6 Sol (med)	10	8	10	9.8	Оба блока указаны верно, ясно и коротко.
GPT-5.6 Terra (low)	10	8	10	9.8	Верный ответ с обоими блоками, лаконично.
GPT-5.6 Terra (med)	10	8	10	9.8	Оба блока названы верно, ясная формулировка.
GPT-5.6 Terra (high)	10	8	10	9.8	Правильно названы оба блока, чёткое предложение.
GPT-5.6 Luna (low)	10	8	10	9.8	Правильный ответ с обоими блоками, лаконично.
GPT-5.6 Luna (med)	10	8	10	9.8	Оба блока названы верно, кратко и ясно.
GPT-5.6 Luna (high)	10	8	10	9.8	Оба блока верны, одно предложение без выделения.
llama-scout	10	8	6	9.4	Ответ верный, но опечатка «щепловка» и кривая фраза «Потому что поток…» портят русский.
Nemotron-3-Nano-Omni-30B	10	5	8	9.3	Оба блока верны, но ответ голым списком без пояснений и структуры.

Практически все модели дали верный ответ: «Щепа» → «молотковая мельница», затем «бассейн под молотковой мельницей». Различия лишь в оформлении; nemotron слаб по структуре, llama-scout — по русскому.

diagram_промышленность_79054739fb — Чтение легенды техсхемы производства пенобетона

diagram · промпт 525 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед вами технологическая схема производства пенобетона с сухим помолом песка (Рис. 3.40). Пользуясь нумерацией элементов на схеме и подписью-легендой под ней, ответьте на вопросы: 1) Какой элемент обозначен номером 7 и в какой узел (с каким номером) поступает материал после него по линии подготовки песка? 2) Что обозначают номера 8, 9 и 10 — перечислите назначение каждого бункера. 3) Каким номером обозначена «печь обжига извести» и каким — «шаровая мельница»? Ответ давайте строго по подписям, указанным на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью верно, маршрут через шнек 27 в бункер 9, назначения бункеров и №25/№7 корректны.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три пункта верны: 7 — шаровая мельница, →27 шнек, 8/9/10 = известь/молотый песок/цемент, 25 — печь обжига.
gemma-4-31b	10	9	10	9.9	Все ответы точны: 7 — мельница, →9, 8/9/10 верно, печь обжига — 25.
GPT-5.5 (low)	10	9	10	9.9	Все пункты верны: 7 — мельница, →27 шнек, назначения бункеров и №25 корректны.
Kimi K2.6	10	9	10	9.9	Полностью верно: 7 — мельница, →9 через шнек 27, назначения бункеров и №25 корректны.
GPT-5.6 Terra (low)	10	9	10	9.9	Полностью верно: 7 — мельница, →27, назначения бункеров и печь обжига №25.
GPT-5.6 Terra (med)	10	9	10	9.9	Все три пункта точны: 7→27, 8/9/10 = известь/молотый песок/цемент, №25/№7 верно.
GPT-5.6 Terra (high)	10	9	10	9.9	Все пункты верны: 7 — мельница, →27 шнек, 8/9/10 и №25 корректны.
GPT-5.6 Luna (high)	10	9	10	9.9	Все три пункта точны: 7 — мельница, →9, 8/9/10 верно, печь обжига — 25.
diffusion-gemma	9	7	6	8.5	Содержательно всё верно (7→27, 8/9/10, 25), но опечатки: «сновываясь», «букер».
MiniMax-M3	7	9	9	7.4	Номера 8/9/10, 25 и 7 названы верно по легенде, но во втором пункте вопроса 1 ошибка: материал после шаровой мельницы отправлен в бункер 4 (немолотого песка), тогда как по схеме он идёт через шнек 27 в бункер молотого песка 9. Оформление и русский язык на высоком уровне, обоснование минимальное.
GPT-5.6 Luna (low)	7	8	9	7.3	7, маршрут и №25/№7 верны, но №9 назван «бункером песка» вместо молотого песка.
GPT-5.5 (medium)	6	9	9	6.6	7 и маршрут в 9 верно, но №8 назван «бункером песка» вместо бункера извести.
Nemotron-3-Nano-Omni-30B	6	2	6	5.6	Бункеры и №25/№7 верны, но материал ошибочно направлен в дробилку 26; в выводе мусор (англ. текст, </think>).
GPT-5.6 Luna (med)	3	9	9	4.2	7 и №25/№7 верны, но маршрут указан в №10 и перепутаны назначения 9/10 (цемент/молотый песок).
llama-scout	3	8	9	4.1	7 верно (шаровая мельница) и №25/№7 верно, но материал направлен в бункер 4 (неверно) и перепутаны назначения 8/9 (молотого песка/извести).
GPT-5.6 Sol (low)	3	8	9	4.1	7 и №25/№7 верны, но материал направлен в бункер 8 и перепутаны назначения 8/9.
GPT-5.6 Sol (med)	2	8	9	3.3	7→27 и №25/№7 верны, но №9 назван цементом, а №10 — «баком воды» (выдумка).

Группа моделей ответила безупречно; часть моделей путала назначения бункеров 8/9/10 или маршрут после мельницы. Худшие — sol-medium/luna-medium/sol-low с выдумками и перестановками.

diagram_промышленность_74eb078479 — Технологическая схема производства пастеризованного молока

diagram · промпт 695 симв. · Победитель: GPT-5.5 (low) · 10.0/10

▸Промпт задачи

На чертеже изображена технологическая схема линии производства пастеризованного молока (две параллельные горизонтальные ветви: верхняя — наглядное изображение аппаратов, нижняя — упрощённая блок-схема того же процесса). Аппараты пронумерованы позициями. Ответьте на три вопроса, опираясь только на изображение: 1) С какого объекта (позиция 1) начинается технологическая линия — что это за транспортное средство и какая надпись нанесена на его цистерне? 2) Какие надписи-указатели конечного назначения продукта подписаны у выходов линии справа (перечислите минимум два направления, куда идёт продукт)? 3) Какие две позиции (числа) повторяются в ряду нумерации аппаратов несколько раз вдоль линии?

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (low)	10	10	10	10.0	Полностью верно и аккуратно оформлено.
GPT-5.5 (medium)	10	10	10	10.0	Полностью верно, чистое оформление.
GPT-5.6 Sol (low)	10	10	10	10.0	Полностью верно, аккуратная структура.
gemma-4-31b	10	9	10	9.9	Кратко и точно: молоковоз с «МОЛОКО», «На топление»/«На розлив», позиции 3 и 4.
Kimi K2.6	10	9	10	9.9	Верно всё; добавил разумные предположения о типах аппаратов.
GPT-5.6 Sol (med)	10	9	10	9.9	Все ответы верны, ясно изложено.
GPT-5.6 Terra (med)	10	9	10	9.9	Все три ответа верны, корректная орфография надписей.
GPT-5.6 Luna (low)	10	9	10	9.9	Верно и лаконично.
GPT-5.6 Luna (med)	10	9	10	9.9	Верно и лаконично.
GPT-5.6 Luna (high)	10	9	10	9.9	Кратко и точно по всем трём пунктам.
llama-scout	10	9	9	9.8	Верно: молоковоз с «Молоко», «На топление» и «На розлив», позиции 3 и 4. Чёткая структура.
Nemotron-3-Nano-Omni-30B	10	9	9	9.8	Все три ответа верны, изложение простое и корректное.
Qwen3.6-27B-FP8	10	9	8	9.7	Все три ответа верны; мелкая опечатка «молочовоз».
GPT-5.6 Terra (low)	10	9	8	9.7	Верно, но «На разлив» вместо «На розлив»; отметил и «Смесь для топленого молока».
GPT-5.6 Terra (high)	10	9	8	9.7	Ответы верны, но «На разлив» вместо «На розлив» — отступление от надписи.
diffusion-gemma	10	9	7	9.6	Ответы верны, но опечатка «топленогоного» портит русский.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Всё главное верно, но назвал ТС «грузовик-самосвал», что неточно; расшифровки 3/4 спорны, но их проверять не требуется.
MiniMax-M3	7	8	9	7.3	Все три ключевых ответа верны: молоковоз с надписью «МОЛОКО», направления «На розлив» и «На топление», повторяющиеся позиции 3 и 4. Снижено за перевранные цитаты надписей («Сырьё для топления молока», «Сухое молоко для производства пастеризованного молока» вместо «Смесь для топлёного молока» и «Сухое молоко для белкового молока») и неточную выдумку про патрубки «б»/«в» у поз.1.

Практически все модели дали правильные ответы по всем трём пунктам; различия минимальны. Лидеры — gpt-5.5 и gpt-5.6-sol за точность и оформление.

diagram_общее_6d21f6aa2d — Электрическая схема ШУ градирни: компоненты и обозначения

diagram · промпт 674 симв. · Победитель: GPT-5.6 Luna (high) · 9.9/10

▸Промпт задачи

Перед вами электрическая принципиальная схема. Внимательно рассмотрите её и ответьте на вопросы, опираясь только на то, что реально изображено и подписано: 1) Какого устройства (объекта) это схема и какой это тип схемы — это написано в основной надписи (штампе) в правом нижнем углу? 2Каков параметр ввода питания (напряжение и частота), указанный в левой верхней части схемы у клемм ввода? 3) Назовите два автоматических выключателя на вводе и их номиналы (буквенно-цифровые обозначения у них). 4) Какой программируемый логический контроллер (ПЛК) используется — приведите его обозначение, подписанное под центральным блоком. Дайте конкретные значения и надписи со схемы.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Luna (high)	10	9	10	9.9	Все четыре ответа точны, включая ПЛК110-220.30.Р [М02] дословно. Эталонное распознавание.
Kimi K2.6	9	9	9	9.0	ШУ Градирня, 230В 50Гц, QF1 C3A/QF2 C40A точны, ПЛК110-220.30Р почти точен (ИО2 вместо М02). Отличный разбор.
diffusion-gemma	8	8	9	8.1	ШУ Градирня, 230В 50Гц, QF1 C3A/QF2 C40A верны. ПЛК110-220.30Р почти точно, лишь суффикс (ИМ01) вместо [М02].
Qwen3.6-35B-A3B-FP8	7	8	9	7.3	Верно: ШУ Градирня, 230В 50Гц, QF1 C3A. Ошибки: QF2 C4.0 вместо C40A, ПЛК100 вместо 110 и MOD вместо М02.
GPT-5.5 (low)	7	8	9	7.3	ШУ Градирня, питание и оба автомата верны. ПЛК прочитан как «ПЛК70» вместо ПЛК110 — ошибка.
GPT-5.6 Sol (low)	7	8	9	7.3	ШУ1 Градирня, питание и ПЛК110-220.30.Р [М02] точны, QF2 C40A верно. Ошибка: QF1 C2A вместо C3A.
GPT-5.5 (medium)	6	8	9	6.5	Питание и оба автомата QF1 C3A/QF2 C40A верны. Объект «Грануля» и ПЛК70 вместо ПЛК110 неверны.
GPT-5.6 Sol (med)	6	8	9	6.5	Питание и ПЛК110-220.30.Р [М02] точны, QF2 C40A верно. Объект «Поляна» и QF1 C2A ошибочны.
GPT-5.6 Terra (high)	6	8	9	6.5	Питание, QF1 C3A/QF2 C40A и ПЛК110-220.30Р почти точны. Объект «ШУ4 МИКТ-30» выдуман.
Qwen3.6-27B-FP8	6	8	8	6.4	Автоматы QF1 C3A/QF2 C40A и питание верны, ПЛК110-220.30Р почти точно. Объект «Гройдрия» искажён.
GPT-5.6 Terra (low)	5	8	9	5.7	Питание и оба автомата верны, но объект «МИКТЭЛИНА» и ПЛК110-220.8Р ОВЕН ПР121 выдуманы.
GPT-5.6 Terra (med)	5	8	9	5.7	Питание и оба автомата QF1 C3A/QF2 C40A верны. Объект «Дымоудаления» и ПЛК ОВЕН ПР202 выдуманы.
GPT-5.6 Luna (med)	5	7	8	5.5	Питание и оба автомата верны; объект «114 Установка» выдуман, ПЛК прочитан искажённо.
gemma-4-31b	4	7	8	4.7	Верны питание и QF1 C3A, ПЛК110-220.3Р близко. Объект «Гобурина» и QF2 C6A вместо C40A ошибочны.
GPT-5.6 Luna (low)	4	7	8	4.7	Питание и оба автомата верны, но объект выдуман («подъёмник») и ПЛК полностью искажён.
Nemotron-3-Nano-Omni-30B	3	4	6	3.4	Только питание верно; объект «Гравирна» искажён, автоматы без номиналов, ПЛК П/КТ10 искажён. Очень скупо.
llama-scout	2	5	5	2.6	Объект «ЩУ Гродно» неверен, автоматы OF1 E3A/OF2 LQ02 и ПЛК искажены, верны лишь тип схемы и 230В 50Гц. Странное LaTeX-форматирование.
MiniMax-M3	1	7	8	2.3	Верно прочитан только ввод питания 230В/50Гц; название объекта («ЩУ Проливки» вместо «ШУ Градирня»), обозначение чертежа, номиналы автоматов (16А/40А вместо C3A и C40A) и обозначение ПЛК («А1 (ПЛК)-220.20XP.2PD2» вместо ПЛК110-220.30.Р) выдуманы. Добавлены галлюцинации про ~380В и Siemens LOGO!, при аккуратном оформлении ответа.

gpt-5.6-luna-high дал все четыре ответа точно, включая дословный ПЛК110-220.30.Р [М02]; близко kimi-k2.6 и diffusion-gemma.

diagram_нефтегаз_21c8c2e8ac — Технологическая схема нефтепереработки: цепочка из гудрона

diagram · промпт 405 симв. · Победитель: GPT-5.5 (medium) · 9.9/10

▸Промпт задачи

На схеме показан технологический процесс переработки нефти. Найдите блок «Перегонка» и проследите путь тяжёлого остатка перегонки. Назовите продукт перегонки (тёмный остаток), который выводится из блока «Перегонка» вправо, укажите, в какой блок он направляется далее, и какой конечный товарный продукт получается на выходе этой цепочки. Ответьте, опираясь только на подписи и связи, изображённые на схеме.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (medium)	10	9	10	9.9	Полностью верная цепочка: Перегонка→гудрон→Битумная→битум.
GPT-5.6 Sol (low)	10	9	10	9.9	Полностью верная цепочка: гудрон→Битумная→битум.
GPT-5.6 Sol (med)	10	8	10	9.8	Верно: гудрон→битумная установка→битум.
GPT-5.6 Luna (med)	6	8	9	6.5	Гудрон→битум верно, блок назван «Битумизация» — близко к «Битумной», но не дословно.
Qwen3.6-27B-FP8	5	7	8	5.5	Верно назвал Гудрон и Витумную (Битумную), но итоговый продукт указан как Кокс, а не Битум — путаница в конце цепочки.
gemma-4-31b	2	8	9	3.3	Гудрон верно, но направил в Установку коксования и к коксу — неверная ветка.
diffusion-gemma	2	8	9	3.3	Гудрон верно, но цепочка коксование→кокс ошибочна.
GPT-5.5 (low)	2	8	9	3.3	Гудрон верно, но путь ведёт к коксованию и коксу вместо Битумной→Битум.
MiniMax-M3	2	8	9	3.3	Верно назван только гудрон; далее ответ уходит в ветку коксования, хотя на схеме гудрон идёт в блок «Битумная» с выходом «Битум», а конечный продукт назван «Кокс». Вдобавок выдуман отсутствующий на схеме блок «Замедленное коксование» и добавлены отсебятные температуры.
Kimi K2.6	2	8	9	3.3	Гудрон верно, но направлен в Установку коксования и к коксу — ошибочная ветка.
GPT-5.6 Terra (low)	2	8	9	3.3	Гудрон верно, но выдуман блок вакуумной перегонки и цепочка ведёт к коксу.
GPT-5.6 Terra (med)	2	8	9	3.3	Гудрон верно, но направлен в Коксование→кокс — ошибочная ветка.
GPT-5.6 Terra (high)	2	8	9	3.3	Гудрон верно, но выдумана «Вакуумная» и уход в коксование→кокс.
GPT-5.6 Luna (low)	2	8	9	3.3	Гудрон и битум названы, но промежуточный блок выдуман («Висбрекинг»).
Qwen3.6-35B-A3B-FP8	2	7	8	3.1	Гудрон назван верно, но выдуман блок «Экструдирование» и цепочка ведёт к коксу вместо Битумной→Битум.
llama-scout	2	7	7	3.0	Гудрон распознан, но привязан к коксованию и коксу; ошибочная ветка, спутаны фракции 350-500.
GPT-5.6 Luna (high)	1	8	9	2.5	Гудрон верно, но выдуман «Висбрекинг» и котельное топливо — ни блока, ни продукта на этой цепочке нет.
Nemotron-3-Nano-Omni-30B	0	4	3	0.7	Полная галлюцинация: выдуманы блоки «Тяжёлый остаток», «Утв. молва» и «Остальной топлив», которых нет на схеме.

Верную цепочку Гудрон→Битумная→Битум дали только gpt-5.5-medium, gpt-5.6-sol-low и gpt-5.6-sol-medium; большинство ошибочно ушли в коксование→кокс.

diagram_нефтегаз_9691420344 — Три зоны схемы переработки нефти

diagram · промпт 297 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На схеме внизу выделены три производственные зоны (подписаны крупным синим шрифтом под общей платформой). Назовите все три зоны слева направо точно так, как они подписаны на изображении. Затем укажите, в какой из этих трёх зон расположен блок «ЭЛОУ-АТ-7», в которую подаётся высокосернистая нефть.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Полностью верно: три зоны и корректная привязка ЭЛОУ-АТ-7 к нефтеперерабатывающему заводу.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все три зоны названы верно и по порядку, ЭЛОУ-АТ-7 отнесён к левой зоне. Чистый структурированный ответ.
llama-scout	10	10	10	10.0	Три зоны верны, ЭЛОУ-АТ-7 в левой зоне. Аккуратно оформлено.
gemma-4-31b	10	10	10	10.0	Верный ответ, все три зоны и корректная привязка блока.
GPT-5.5 (low)	10	10	10	10.0	Точный и полный ответ по трём зонам и расположению ЭЛОУ-АТ-7.
GPT-5.5 (medium)	10	10	10	10.0	Точный и полный ответ, всё названо верно.
MiniMax-M3	10	10	10	10.0	Все три зоны названы точно и в правильном порядке слева направо, блок «ЭЛОУ-АТ-7» верно отнесён к левой зоне «Нефтеперерабатывающий завод с блоком ароматики». Добавлено корректное пояснение о сути ЭЛОУ-АТ как первичной переработки, галлюцинаций нет.
Kimi K2.6	10	10	10	10.0	Все три зоны верны, привязка ЭЛОУ-АТ-7 корректна, чистое оформление.
GPT-5.6 Sol (low)	10	10	10	10.0	Точный ответ, три зоны и расположение блока верны.
GPT-5.6 Sol (med)	10	10	10	10.0	Полностью верный и чистый ответ.
GPT-5.6 Terra (med)	10	10	10	10.0	Полностью верный и аккуратный ответ.
GPT-5.6 Terra (high)	10	10	10	10.0	Верно названы зоны и расположение ЭЛОУ-АТ-7.
GPT-5.6 Luna (low)	10	10	10	10.0	Верный ответ по всем пунктам.
GPT-5.6 Luna (high)	10	10	10	10.0	Полностью верный и аккуратный ответ.
GPT-5.6 Terra (low)	10	10	9	9.9	Ответ верный, но опечатка «ароматки» вместо «ароматики».
GPT-5.6 Luna (med)	10	10	9	9.9	Ответ верный, но опечатка «ароматки» вместо «ароматики» дважды.
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Содержательно верно, но зоны перечислены строкой; согласование в фразе про блок неидеально.
diffusion-gemma	9	9	10	9.1	Всё верно, но третья зона урезана до «Нефтехимический» без слова «завод».

Почти все модели ответили верно и идентично. Мелкие потери у diffusion-gemma (урезана третья зона) и у luna/terra-medium/low (опечатка «ароматки»).

diagram_нефтегаз_9fd5eddcad — Схема НПЗ: путь фракций атмосферной колонны

diagram · промпт 375 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед вами технологическая схема нефтеперерабатывающего завода. Из атмосферной колонны выходит фракция «нафта». Проследите её путь по схеме: в какой блок (установку) она поступает в первую очередь, и в какой блок направляется после него? Также назовите, какой газ соединяет блок «Газовый завод» с установкой «Получение серы», и что является конечным продуктом этой установки.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Верный маршрут и газ; 'кислотный газ' — небольшая неточность термина, но допустимо.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Всё верно: нафта -> гидроочистка -> каталитический риформинг, Acid Gas (кислый газ), сера. Чёткая структура.
gemma-4-31b	10	9	10	9.9	Все три ответа корректны, ясная структура.
GPT-5.5 (medium)	10	9	10	9.9	Все факты верны, аккуратная структура и терминология.
Kimi K2.6	10	9	10	9.9	Все факты верны, аккуратно оформлено с пояснением про Acid Gas/кислый газ.
llama-scout	10	9	9	9.8	Все факты верны, хорошая структура с итогом.
GPT-5.5 (low)	10	8	10	9.8	Кратко и полностью верно, кислый газ и сера указаны.
GPT-5.6 Sol (low)	10	8	10	9.8	Все факты корректны, кратко.
GPT-5.6 Sol (med)	10	8	10	9.8	Верно и ясно.
GPT-5.6 Terra (low)	10	8	10	9.8	Верный маршрут, Acid Gas, сера.
GPT-5.6 Terra (med)	10	8	10	9.8	Все факты верны, кратко и ясно.
GPT-5.6 Terra (high)	10	8	10	9.8	Полностью корректно, лаконично.
GPT-5.6 Luna (low)	10	8	10	9.8	Все факты верны, лаконично.
GPT-5.6 Luna (med)	10	8	10	9.8	Верный маршрут, газ и продукт.
GPT-5.6 Luna (high)	10	8	10	9.8	Кратко и полностью корректно.
diffusion-gemma	10	8	8	9.6	Факты верны, но опечатка 'Каталиталитический' и спорное 'нафта (легкий дистиллят)'.
Nemotron-3-Nano-Omni-30B	10	7	9	9.6	Верно, но очень сжато; 'реформинг' вместо 'риформинг'.
MiniMax-M3	9	9	10	9.1	Все проверяемые факты верны: нафта -> гидроочистка -> каталитический риформинг, соединяющий газ Acid Gas (кислый, H2S), продукт — элементная сера. Небольшой минус за домысленные детали, которых на схеме нет (вывод серы из гидроочистки нафты, 'жёлтые гранулы', установка Клауса).

Все модели ответили верно (нафта -> гидроочистка -> каталитический риформинг, Acid Gas/кислый газ, сера). Различия минимальны; gpt-5.5-medium сочетает точность, структуру и терминологию.

diagram_операционка_a52b180ee9 — Матричная оргструктура: отделы и проекты

diagram · промпт 502 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении показана организационная структура управления. Ответьте на вопросы строго по схеме: 1) Какой блок находится на самом верху структуры (высший уровень)? 2) Перечислите названия всех четырёх отделов, которые подчиняются верхнему блоку (верхняя горизонтальная строка). 3) Сколько руководителей проектов показано в левом столбце и как они подписаны? 4) Какой тип организационной структуры изображён, если у каждого руководителя проекта есть своя «строка» исполнителей из всех четырёх отделов?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все факты верны, чёткое пояснение пересечения столбцов и строк в матрице.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все 4 факта верны, добавлено корректное объяснение матричной структуры через двойное подчинение.
GPT-5.5 (low)	10	9	10	9.9	Все факты верны и аккуратно оформлены, но без объяснения выбора матричной структуры.
GPT-5.5 (medium)	10	9	10	9.9	Все факты верны, дан корректный аргумент про горизонтальные строки исполнителей — эталонный ответ.
MiniMax-M3	10	9	10	9.9	Все четыре пункта распознаны верно: Директор, четыре отдела в правильном порядке, три руководителя проектов, матричная структура. Разбор признаков матрицы (двойное подчинение) корректен, галлюцинаций нет; лёгкая избыточность и уточнение «(проектной)» — единственные мелкие придирки.
Kimi K2.6	10	9	10	9.9	Все факты верны, аккуратно, но без пояснения типа структуры.
GPT-5.6 Sol (med)	10	9	10	9.9	Все факты верны, добавлено верное объяснение распределения исполнителей по проектным командам.
GPT-5.6 Terra (med)	10	9	10	9.9	Все факты верны, аккуратное оформление, минимальное обоснование матрицы.
GPT-5.6 Luna (low)	10	9	10	9.9	Все факты верны, лаконично и ясно, без анализа.
GPT-5.6 Luna (med)	10	9	10	9.9	Все факты верны, компактный корректный ответ без пояснений.
GPT-5.6 Luna (high)	10	9	10	9.9	Все факты верны, чистое оформление, обоснование матрицы не приведено.
gemma-4-31b	10	8	10	9.8	Все факты верны, но ответ предельно краткий, без анализа матричной структуры.
diffusion-gemma	10	8	10	9.8	Факты верны, дублирует вопросы, обоснование типа структуры отсутствует.
GPT-5.6 Sol (low)	10	8	10	9.8	Все факты верны, очень сжато, без обоснования типа структуры.
GPT-5.6 Terra (low)	10	8	10	9.8	Все факты верны, сжатый корректный ответ без пояснений.
GPT-5.6 Terra (high)	10	8	10	9.8	Все факты верны, лаконично и точно, без анализа.
llama-scout	10	7	9	9.6	Факты верны, отличный разбор горизонтальных/вертикальных связей, но нумерация в LaTeX ($1$) портит формат.
Nemotron-3-Nano-Omni-30B	10	7	9	9.6	Факты верны, вариант проектно-функциональная допустим, но ответ очень сжат без анализа.

Все модели верно распознали Директора, 4 отдела, 3 руководителей и матричную структуру; победитель дал корректный факт-сет плюс аргументацию при чистом оформлении.

diagram_операционка_fbb6d69f4a — Уровни оргструктуры-пирамиды

diagram · промпт 305 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На схеме изображена организационная структура в виде пирамиды. Сколько всего уровней (ярусов) иерархии показано на схеме и сколько блоков с сотрудниками расположено на каждом уровне? Перечислите по уровням сверху вниз. Также укажите, в какой цвет окрашен блок «Позиция» у верхнего (одиночного) сотрудника.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Точный ответ: 3 уровня, 1-2-6, синий/голубой. Ясная структура с пояснением по 3 под каждым.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Всё верно: 3 уровня, 1-2-6, синий блок. Хорошо структурировано.
gemma-4-31b	10	9	10	9.9	Верно: 3 уровня, 1-2-6, голубой. Лаконично и точно.
GPT-5.5 (low)	10	9	10	9.9	Полностью корректно: 3 уровня, 1-2-6, синий/голубой.
GPT-5.5 (medium)	10	9	10	9.9	Полностью корректно: 3 уровня, 1-2-6, синий.
Kimi K2.6	10	9	10	9.9	Верно: 3 уровня, 1-2-6, синий/голубой, с корректным пояснением распределения.
GPT-5.6 Sol (low)	10	9	10	9.9	Верно: 3 уровня, 1-2-6, синий.
GPT-5.6 Sol (med)	10	9	10	9.9	Верно: 3 уровня, 1-2-6, синий.
GPT-5.6 Terra (high)	10	9	10	9.9	Верно: 3 уровня, 1-2-6, синий.
GPT-5.6 Luna (low)	10	9	10	9.9	Верно: 3 уровня, 1-2-6, голубой.
GPT-5.6 Luna (med)	10	9	10	9.9	Верно: 3 уровня, 1-2-6, голубой.
GPT-5.6 Luna (high)	10	9	10	9.9	Верно: 3 уровня, 1-2-6, голубой. Чётко и лаконично.
diffusion-gemma	10	9	9	9.8	Верно: 3 уровня, 1-2-6, голубой; добавлены корректные детали о цветах блоков.
GPT-5.6 Terra (low)	10	8	10	9.8	Верно: 3 уровня, 1-2-6, синий. Очень лаконично.
GPT-5.6 Terra (med)	10	8	10	9.8	Верно: 3 уровня, 1-2-6, синий. Кратко и точно.
MiniMax-M3	9	9	9	9.0	Верно определены 3 уровня и распределение блоков 1-2-6 (итого 9), цвет верхнего блока «Позиция» назван голубым/светло-синим — правильно, но добавка «бирюзовый» неточна. Ответ хорошо структурирован таблицей, русский язык корректный.
llama-scout	3	8	9	4.1	Уровней верно 3, но количество блоков ошибочно: 1-3-7 вместо 1-2-6. Цвет голубой указан верно.
Nemotron-3-Nano-Omni-30B	1	7	8	2.3	Выдумал 4-й уровень (1-2-6-6), которого нет на схеме. Грубая ошибка распознавания.

Большинство моделей дали точный ответ (3 уровня, 1-2-6, синий). llama-scout ошиблась в числах блоков, nemotron-omni выдумал 4-й уровень. 27b-v2 сочетает точность и ясные пояснения.

diagram_дата-аналитика_6620fe591e — Символы блок-схемы: форма и назначение

diagram · промпт 455 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении представлена таблица условных обозначений блок-схемы с тремя столбцами: «Символ», «Название» и «Назначение». Внимательно рассмотрите фигуры в первом столбце и ответьте на вопросы: 1) Какое название и назначение соответствуют символу в форме параллелограмма (наклонного четырёхугольника)? 2) Какая геометрическая фигура обозначает блок «Решение» и каково его назначение? 3) Перечислите все названия символов в таблице сверху вниз по порядку.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Полностью верно, полный список в правильном порядке. Хорошая структура и уточнение про форму ромба.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все три ответа абсолютно точны, назначения процитированы дословно. Чёткая структура и безупречный русский.
gemma-4-31b	10	10	10	10.0	Точные ответы на все вопросы, полный корректный список. Аккуратное оформление.
diffusion-gemma	10	10	10	10.0	Все ответы верны и дословны, список в правильном порядке. Хорошая структура.
GPT-5.5 (medium)	10	10	10	10.0	Точные ответы, аккуратная нумерация, полный список. Безупречно.
Kimi K2.6	10	10	10	10.0	Все ответы точны, добавлено полезное описание ориентации ромба. Отличная структура и русский.
GPT-5.6 Sol (low)	10	10	10	10.0	Все ответы точны, полный правильный список. Хорошее оформление.
GPT-5.6 Sol (med)	10	10	10	10.0	Точные ответы, аккуратная нумерация, полный список. Безупречно.
GPT-5.6 Terra (low)	10	10	10	10.0	Точно и полно, корректный порядок списка. Хорошее оформление.
GPT-5.6 Terra (high)	10	10	10	10.0	Все факты верны, чистый список сверху вниз. Ясно и корректно.
GPT-5.6 Luna (low)	10	10	10	10.0	Точно и полно, аккуратный нумерованный список. Безупречный русский.
GPT-5.5 (low)	10	9	10	9.9	Всё верно, компактно. Нумерация списка сбилась на 1, но содержание точное.
GPT-5.6 Terra (med)	10	9	10	9.9	Все ответы верны, список в строку корректен. Компактно и ясно.
GPT-5.6 Luna (med)	10	9	10	9.9	Всё верно, список в строку с кавычками корректен. Компактно и ясно.
GPT-5.6 Luna (high)	10	9	10	9.9	Все факты верны, список через стрелки компактен и корректен по порядку.
llama-scout	10	9	9	9.8	Все факты верны, порядок корректен. Мелкие англицизмы (diamond) и точки в списке, но ясно.
Nemotron-3-Nano-Omni-30B	10	9	9	9.8	Факты верны, назначения процитированы. Лишнее слово 'диагональ' и заголовок Answer, но сути не мешает.
MiniMax-M3	9	9	10	9.1	Все три вопроса отвечены точно по таблице, порядок и назначения верны; мелкая неточность — комментарий назван 'фигурной скобкой' вместо квадратной. Формат местами избыточен (таблицы для двух полей), но ясен.

Все модели дали фактически безупречные ответы; kimi-k2.6 чуть выделяется полезным описанием ориентации ромба.

diagram_дата-аналитика_bb25786693 — Блок-схема генетического алгоритма: ветка ДА

diagram · промпт 336 симв. · Победитель: Kimi K2.6 · 10.0/10

▸Промпт задачи

На изображении представлена блок-схема (генетического алгоритма). В центре находится ромб с условием «Условие завершения выполнено?», от которого отходят две ветви — «НЕТ» (влево) и «ДА» (вправо). Проследите ветвь «ДА»: какие блоки выполняются по этой ветви и в каком порядке, вплоть до завершения схемы? Назовите блоки последовательно.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	10	10	10.0	Точно, с указанием форм блоков и направления ветви. Отличное оформление.
Qwen3.6-27B-FP8	10	9	10	9.9	Точно назвал оба блока и корректно указал формы (параллелограмм, овал).
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верно по ветви ДА: Выбор наилучшей хромосомы → КОНЕЦ. Чёткая нумерация.
gemma-4-31b	10	9	10	9.9	Верная последовательность блоков, аккуратная нумерация.
diffusion-gemma	10	9	10	9.9	Правильно прошёл ветвь ДА, ясное изложение.
GPT-5.5 (low)	10	9	10	9.9	Верно и лаконично: Выбор наилучшей хромосомы → КОНЕЦ.
GPT-5.6 Luna (low)	10	9	10	9.9	Верно, нумерованный список блоков.
llama-scout	10	9	9	9.8	Правильная последовательность, начал с ромба и добавил итог. Ясно и структурно.
GPT-5.5 (medium)	10	8	10	9.8	Верная последовательность, оформление в code-span немного излишне.
MiniMax-M3	10	9	9	9.8	Ветвь «ДА» прослежена абсолютно верно: «Выбор "наилучшей" хромосомы» → «КОНЕЦ», ветвь «НЕТ» не примешана. Кратко и по делу, с корректным пояснением смысла блоков.
GPT-5.6 Luna (med)	10	8	10	9.8	Правильная последовательность через стрелки.
GPT-5.6 Luna (high)	10	8	10	9.8	Компактная верная цепочка через стрелки.
GPT-5.6 Sol (low)	10	7	10	9.7	Верно, но предельно кратко одной строкой.
GPT-5.6 Sol (med)	10	7	10	9.7	Верно, лаконичная строка без пояснений.
GPT-5.6 Terra (low)	10	7	10	9.7	Верная короткая цепочка.
GPT-5.6 Terra (med)	10	7	10	9.7	Верно, кратко одной строкой.
GPT-5.6 Terra (high)	10	7	10	9.7	Правильно, минималистично.
Nemotron-3-Nano-Omni-30B	10	5	8	9.3	Ответ верный, но крайне сжат и капсом, без структуры.

Все модели дали верную ветвь ДА (Выбор наилучшей хромосомы → КОНЕЦ); kimi-k2.6 лучший по полноте и оформлению, nemotron-omni слабее по формату.

Чертежи

drawing_промышленность_2350e9b1be — Чтение чертежа детали «Корпус»

drawing · промпт 530 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

Перед вами рабочий чертёж детали. Ответьте на вопросы строго по изображению: 1) Как называется деталь (надпись в основной надписи штампа)? 2) Из какого материала она изготовлена (марка по ГОСТ, указанная в штампе)? 3) Какой масштаб чертежа указан в основной надписи? 4) Какой диаметр у четырёх крепёжных отверстий и сколько их (см. размер со словом «отв.»)? 5) Чему равны радиусы скруглений на нижнем виде (виде сверху/в плане), обозначенные буквой R? 6) Что означает звёздочка (*) у размера 140, согласно техническим требованиям?

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все шесть пунктов совпадают с эталоном: Корпус, СЧ 25 ГОСТ 1412-85, 1:2, Ø10,5 (4 отв.), R20 и R40, справочный размер с корректной ссылкой на п. 3 ТТ. Оформление чёткое, русский безупречный, лишних домыслов нет.
Qwen3.6-27B-FP8	10	9	10	9.9	Все шесть пунктов верны, с указанием расположения на штампе и правильной трактовкой звёздочки.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все шесть пунктов верны: Корпус, СЧ 25, 1:2, Ø10,5 4 отв., R20/R40, размер для справок. Кратко и точно.
gemma-4-31b	10	9	10	9.9	Все ответы точны и лаконичны, без ошибок.
GPT-5.5 (low)	10	9	10	9.9	Все шесть пунктов верны, чёткий формат Ø10,5 4 отв., 140* — для справок.
GPT-5.5 (medium)	10	9	10	9.9	Все ответы верны и корректно оформлены.
Kimi K2.6	10	9	10	9.9	Все пункты верны, со ссылкой на пункт 3 техтребований и переводом радиусов в мм.
GPT-5.6 Sol (low)	10	9	10	9.9	Все пункты верны, чёткое оформление.
GPT-5.6 Sol (med)	10	9	10	9.9	Все ответы верны и лаконичны.
GPT-5.6 Terra (low)	10	9	10	9.9	Все ответы верны и аккуратно оформлены.
GPT-5.6 Terra (med)	10	9	10	9.9	Все шесть пунктов верны, с указанием единиц измерения.
GPT-5.6 Luna (low)	10	9	10	9.9	Все шесть пунктов верны и корректно сформулированы.
GPT-5.6 Luna (med)	10	9	10	9.9	Все ответы точны, аккуратный русский.
GPT-5.6 Luna (high)	10	9	10	9.9	Все ответы верны, кратко и ясно.
llama-scout	10	9	9	9.8	Все ответы верны, добавлены корректные пояснения (серый чугун, 250 МПа). Формулы LaTeX слегка захламляют.
GPT-5.6 Terra (high)	10	8	10	9.8	Все шесть пунктов верны, но предельно кратко, без пояснений.
diffusion-gemma	8	9	8	8.1	Все пункты по сути верны, но материал прочитан как «С4 25» вместо «СЧ 25»; есть опечатки («находи», «гласно»).
Nemotron-3-Nano-Omni-30B	3	6	7	3.7	Материал неверно «С4», а трактовка звёздочки выдумана («размер для правой стороны») — грубая ошибка. Остальное верно.

Большинство моделей дали идеально верные ответы; 27b-v2 и kimi-k2.6 выделяются полнотой пояснений. nemotron-omni выдумал смысл звёздочки и ошибся в материале.

drawing_промышленность_c523156ce1 — Чтение чертежа детали «Уголок»

drawing · промпт 476 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед вами рабочий чертёж детали. Внимательно рассмотрите его и ответьте на вопросы, опираясь ТОЛЬКО на то, что изображено: 1) Как называется деталь (наименование из основной надписи)? 2) Какой обозначен номер (децимальный код) чертежа? 3) Чему равны масса детали и масштаб? 4) Чему равен диаметр отверстия и какова общая длина детали (наибольший габаритный размер главного вида)? 5) Из какого материала и сортамента изготавливается деталь (укажите данные из графы материала)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все данные считаны верно, с указанием мест на чертеже и разделением материала и сортамента.
llama-scout	10	10	10	10.0	Все пять пунктов верны: Уголок, ЗДДД.003.01.002, 0.08, 1:1, Ø12,5, 86, материал и сортамент точны. Образцовый ответ.
GPT-5.5 (low)	10	10	10	10.0	Все пять ответов точны, включая материал и сортамент.
GPT-5.5 (medium)	10	10	10	10.0	Все данные верны, ответ чёткий и полный.
Kimi K2.6	10	10	10	10.0	Все пять пунктов считаны верно, включая полное обозначение материала.
GPT-5.6 Terra (med)	10	10	10	10.0	Все пять пунктов верны, номер чертежа записан полностью и корректно.
gemma-4-31b	10	9	10	9.9	Все пункты верны и лаконичны, включая полное обозначение материала и сортамента.
GPT-5.6 Sol (low)	9	10	10	9.2	Все данные верны; в номере пропущена точка (01002).
GPT-5.6 Sol (med)	9	10	10	9.2	Всё верно, только пропущена точка в номере чертежа.
GPT-5.6 Terra (low)	9	10	10	9.2	Все данные верны; номер записан латиницей (3ddd), но с правильными точками.
GPT-5.6 Terra (high)	9	10	10	9.2	Данные точны; в номере пропущена точка (01002 вместо 01.002).
GPT-5.6 Luna (med)	9	10	10	9.2	Всё верно, кроме пропущенной точки в номере (01002 вместо 01.002).
GPT-5.6 Luna (high)	9	10	10	9.2	Всё верно, кроме мелочи в номере: 01002 вместо 01.002 (пропущена точка).
GPT-5.6 Luna (low)	9	9	10	9.1	Данные верны; в номере строчные буквы и пропущена точка (3ддд.003.01002).
Qwen3.6-35B-A3B-FP8	7	9	9	7.4	Всё верно, кроме ГОСТ на уголок — указан 8509-93 вместо 8509-86.
diffusion-gemma	7	8	8	7.2	Основные данные верны, но материал указан неполно — только Ст 3 ГОСТ 380-88, без сортамента Уголок 30х30х3 ГОСТ 8509-86; в начале обрезано первое слово.
MiniMax-M3	5	8	9	5.7	Верно определены наименование «Уголок», масса 0,08 и масштаб 1:1, габарит 86; но диаметр указан как Ø12 вместо Ø12,5 и сортамент искажён — 20х20х3 вместо 30х30х3, плюс потерянная точка в обозначении (ЗДДД.003.01002). Оформление и русский язык хорошие, однако две числовые ошибки по прямо читаемым надписям существенно снижают точность.
Nemotron-3-Nano-Omni-30B	3	5	6	3.5	Номер чертежа неверно прочитан как 200103001002; сортамент искажён (20х30х3) без Ст 3. Верны лишь наименование, масса, масштаб, диаметр и длина.

Большинство моделей справились безупречно; 27b-v2 дал наиболее полный и структурированный ответ с указанием мест на чертеже. Nemotron-omni провалил номер и сортамент.

drawing_промышленность_aa907eac50 — Чтение чертежа детали с фланцем

drawing · промпт 576 симв. · Победитель: GPT-5.5 (low) · 9.9/10

▸Промпт задачи

Перед вами рабочий чертёж детали (фланцевая втулка/гильза) с разрезом, видом на торец фланца и выносным элементом. Внимательно рассмотрите его и ответьте на вопросы: 1) Чему равна общая длина детали (самый верхний габаритный размер на разрезе)? 2) Какой диаметр имеет центральное отверстие детали на разрезе? 3) Сколько крепёжных отверстий и с какой резьбой выполнено на фланце (приведите обозначение резьбы и количество отверстий из надписи)? 4) Из какого материала изготовлена деталь (по основной надписи)? 5) Чему равны масштаб чертежа и масса детали (по основной надписи)?

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (low)	10	9	10	9.9	Все пять ответов верны, кратко и без ошибок.
GPT-5.5 (medium)	10	9	10	9.9	Все пять ответов верны, лаконично и точно.
Kimi K2.6	10	9	10	9.9	Все ответы верны, чётко и грамотно.
GPT-5.6 Sol (low)	10	9	10	9.9	Все пять ответов верны с точным обозначением M6-7H, 12 отв.
GPT-5.6 Sol (med)	10	9	10	9.9	Все ответы верны, лаконично.
GPT-5.6 Terra (med)	10	9	10	9.9	Все ответы верны, кратко и точно.
GPT-5.6 Terra (high)	10	9	10	9.9	Все пять ответов верны.
GPT-5.6 Luna (low)	10	9	10	9.9	Все ответы верны.
GPT-5.6 Luna (med)	10	9	10	9.9	Все ответы верны; резьба указана как М6 без суффикса -7H, но это допустимо.
GPT-5.6 Luna (high)	10	9	10	9.9	Все пять ответов верны, кратко и корректно.
Qwen3.6-27B-FP8	10	9	9	9.8	Все пять ответов верны (80, Ø32, M6-7H 12 отв., Сталь 20, 1:1/0,65), хорошая структура и указание расположения надписей.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Все ответы верны, корректно отличил Ø32 от резьбы M36; аккуратные пояснения.
diffusion-gemma	10	9	8	9.7	Все ответы верны; мелкая опечатка в начале ('сновываясь') и небольшая вольность в записи резьбы, но факты точны.
GPT-5.6 Terra (low)	7	9	10	7.5	Q1/Q2/Q4/Q5 верны и 12 отв. правильно, но резьба ошибочно указана М8×1-7H вместо M6-7H.
gemma-4-31b	6	8	9	6.5	Ошибка в Q2: назвал Ø63±0,1 (расточка на виде фланца) вместо центрального Ø32; остальные четыре верны.
Nemotron-3-Nano-Omni-30B	5	6	8	5.4	Q1/Q2/Q4/Q5 верны, но Q3 полностью неверен: 8 отверстий и вместо резьбы указана точность отливки 6-6-0-2.
llama-scout	3	7	8	3.9	Общую длину выдумал (110=80+30), центральное отверстие ошибочно Ø45 вместо Ø32; верно только M6/12, материал и масштаб/масса.
MiniMax-M3	2	7	8	3.1	Верно только длина 80, Ø32 и Сталь 20 ГОСТ 1050-88; количество отверстий указано 8 вместо 12, масштаб 2:1 вместо 1:1, масса 0,665 вместо 0,65. Дополнительно выдуманы отсутствующие на чертеже лыски под ключ 27 мм и шероховатость Ra 1,6 (в реальности это фаска 1,6×45°), что делает ответ ненадёжным несмотря на аккуратное оформление.

Большинство моделей ответили верно на все пять пунктов; 27b-v2 и 35b-a3b лучшие по полноте и корректным пояснениям. Провалы: llama-scout (Q1/Q2), nemotron-omni (Q3), gemma-4-31b (Q2), terra-low (резьба).

drawing_промышленность_592ef39cd6 — Чтение чертежа вала 242.01.100.10

drawing · промпт 519 симв. · Победитель: GPT-5.6 Sol (med) · 8.2/10

▸Промпт задачи

Перед вами рабочий чертёж детали типа «вал». Внимательно изучите изображение и ответьте на вопросы: 1) Как называется деталь и каково её обозначение (номер) в основной надписи (штампе)? 2) В каком масштабе выполнен главный вид и какова масса детали по штампу? 3) Чему равна полная (габаритная) длина вала по верхнему размеру? 4) Какая резьба нарезана на концах вала (с двух сторон)? 5) Из какого материала изготавливается деталь (укажите марку и ГОСТ из штампа)? 6) Что сказано в техническом требовании №3 (про шпонку)?

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Sol (med)	8	9	9	8.2	Все ключевые пункты верны (масштаб 1:2, масса 5, длина 600, M30x2, 40Х, шпонка), лишь номер слегка искажён.
Qwen3.6-27B-FP8	7	8	9	7.3	Верны имя, номер, длина, резьба M30x2, материал и шпонка; ошибка только в масштабе 5:12 и массе 12.
GPT-5.5 (low)	7	8	9	7.3	Масштаб 1:2, масса 5, длина, резьба, материал 40 и шпонка верны; ошибка лишь в номере (24.20.010.10).
GPT-5.5 (medium)	7	8	9	7.3	Почти всё верно, но номер искажён и ГОСТ материала (1414-75) неверный.
Kimi K2.6	6	9	9	6.6	Масштаб, масса, длина, материал и шпонка верны, но номер искажён и резьба M20x2 неверна.
GPT-5.6 Sol (low)	6	8	9	6.5	Масштаб, масса, длина, материал и шпонка верны, но номер искажён и резьба указана как M20.
GPT-5.6 Terra (med)	6	8	9	6.5	Масштаб, длина, резьба и материал верны, но номер искажён, масса 5,2 неточна и шпонка без размеров.
GPT-5.6 Terra (high)	6	8	9	6.5	Масштаб, масса, длина, резьба и материал верны, но номер искажён и размер шпонки 10x8x70 неверен.
gemma-4-31b	5	8	9	5.7	Верны имя, номер, резьба, материал и шпонка, но масштаб 5:1, масса 12 и длина 690 неверны.
GPT-5.6 Luna (low)	5	8	9	5.7	Масштаб, длина, материал 40Х и шпонка верны, но номер искажён, масса 5,12 и резьба M32x2 неверны.
GPT-5.6 Luna (high)	5	8	9	5.7	Верны масштаб, масса, длина и шпонка, но номер искажён, резьба M32x2 и материал (ГОСТ 1050) неверны.
diffusion-gemma	5	7	8	5.5	Верны имя, номер, масса 5, резьба, материал 40Х и шпонка, но масштаб 1:1 и абсурдная длина 1244 неверны.
GPT-5.6 Terra (low)	4	8	9	4.9	Верны масштаб, масса, длина, но номер искажён, резьба M36x2 и материал (сталь 45) неверны, шпонка без размеров.
GPT-5.6 Luna (med)	4	8	9	4.9	Верны масштаб, масса, длина, но номер искажён, резьба M32x2, материал и размер шпонки 10x8x45 неверны.
llama-scout	3	8	8	4.0	Верны название/номер, длина 600 и шпонка, но масштаб 1:1 и масса 5,12 неверны, резьба и материал (сталь 45) выдуманы.
MiniMax-M3	2	8	8	3.2	Верно только название «Вал», масштаб 1:2, материал 40Х ГОСТ 4543-71 и шпонка 10x8x40; обозначение искажено (24.201.00.40 вместо 242.01.100.10), масса выдумана из шероховатости 6,3 (вместо 5), длина посчитана как 690 вместо 600, резьба названа М42x1,5 вместо M30x2. Оформление и русский язык хорошие, но фактических галлюцинаций слишком много.
Qwen3.6-35B-A3B-FP8	2	7	8	3.1	Масштаб/масса/длина верны, но номер искажён, резьба M50x2 и материал 10кп выдуманы, ТТ №3 переврано.
Nemotron-3-Nano-Omni-30B	1	3	2	1.3	Нечитаемый бессвязный вывод, верна только длина 600.

gpt-5.6-sol-medium дал все правильные ключевые ответы с минимальной ошибкой в номере; 27b-v2 и gpt-5.5-low близки, но с ошибками в масштабе/массе и номере соответственно.

drawing_промышленность_db88d99e7f — Чтение чертежа вала: габарит и материал

drawing · промпт 436 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед вами рабочий чертёж детали «Вал привода вентилятора». Внимательно рассмотрите изображение и ответьте на вопросы: 1) Какова общая длина вала (наибольший габаритный размер по горизонтали в нижней размерной цепочке)? 2) Из какого материала по ГОСТ изготавливается деталь (запись в основной надписи)? 3) Какова масса детали, указанная в основной надписи? Приведите конкретные числовые значения и обозначения, которые видны на чертеже.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все три факта верны, есть корректные пояснения к каждому пункту. Ясно и структурировано.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три факта верны с уместными уточнениями (размерная цепочка, графа Масса). Хорошая структура.
llama-scout	10	9	10	9.9	Все три факта верны (880, Сталь 45 ГОСТ 1050-88, 19,57). Чёткая структура, единственный нюанс — точка вместо запятой в массе.
gemma-4-31b	10	9	10	9.9	Все три факта верны. Указана несуществующая графа «Материал», но по сути материал прочитан верно.
diffusion-gemma	10	9	10	9.9	Все три факта верны, ответ аккуратный и структурированный.
Kimi K2.6	10	9	10	9.9	Все три факта верны, развёрнутые корректные пояснения. Отлично оформлено.
GPT-5.5 (low)	10	8	10	9.8	Все три факта верны, но ответ лаконичный без пояснений.
GPT-5.5 (medium)	10	8	10	9.8	Все три факта верны, лаконично без разбора.
GPT-5.6 Sol (low)	10	8	10	9.8	Все три факта верны, лаконично.
GPT-5.6 Sol (med)	10	8	10	9.8	Все три факта верны, кратко и ясно.
GPT-5.6 Terra (low)	10	8	10	9.8	Все три факта верны, кратко.
GPT-5.6 Terra (med)	10	8	10	9.8	Все три факта верны, лаконично.
GPT-5.6 Terra (high)	10	8	10	9.8	Все три факта верны, лаконично.
GPT-5.6 Luna (low)	10	8	10	9.8	Все три факта верны, лаконично.
GPT-5.6 Luna (med)	10	8	10	9.8	Все три факта верны, кратко.
GPT-5.6 Luna (high)	10	8	10	9.8	Все три факта верны, кратко и ясно.
Nemotron-3-Nano-Omni-30B	10	6	9	9.5	Факты верны (880, Сталь 45 ГОСТ 1050-88, 19,57), но предельно сжато, без единиц и пояснений.
MiniMax-M3	5	8	8	5.6	Верно определены длина 880 мм и материал Сталь 45 ГОСТ 1050-88, но масса выдумана (2,557 кг вместо 19,57 в графе «Масса»). Формат и русский хорошие, есть мелкая ошибка («чертёжа»).

Практически все модели дали три верных факта (880, Сталь 45 ГОСТ 1050-88, 19,57); победитель — kimi-k2.6 за точность и развёрнутые корректные пояснения. Nemotron верен по фактам, но слишком сжат.

drawing_промышленность_d99ea2b1c6 — Чтение чертежа детали «Пластина»

drawing · промпт 406 симв. · Победитель: Kimi K2.6 · 9.8/10

▸Промпт задачи

Перед вами рабочий чертёж детали. Ответьте на вопросы строго по тому, что изображено: 1) Как называется деталь (надпись в основной надписи / штампе)? 2) Чему равна масса детали и какой указан масштаб чертежа? 3) Какой диаметр и квалитет (поле допуска) у отверстия на детали? 4) Из какого материала изготавливается деталь (запись в графе материала)? 5) Какая указана шероховатость поверхности (значение Ra)?

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	9	9	9.8	Все пункты точны, с корректным пояснением про H9/+0,043 и толщину листа 8 мм.
GPT-5.6 Terra (high)	10	9	9	9.8	Все 5 пунктов точны, с верным допуском +0,043 и маркой Ст3пс.
llama-scout	10	9	8	9.7	Все пункты точны, включая допуск +0,043. Немного мешают латех-артефакты в тексте.
gemma-4-31b	10	8	9	9.7	Все 5 пунктов верны и лаконичны, без лишних рассуждений.
GPT-5.5 (low)	10	8	9	9.7	Все пункты верны, включая полную запись материала (лист 8 ГОСТ 19903-74, Ст3пс).
GPT-5.5 (medium)	10	8	9	9.7	Все 5 пунктов точны, материал приведён полностью.
GPT-5.6 Terra (low)	10	8	9	9.7	Все пункты верны, материал Ст3пс с указанием листа 8.
GPT-5.6 Terra (med)	10	8	9	9.7	Все 5 пунктов точны и лаконичны, материал Ст3пс ГОСТ 14637-89.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Все 5 пунктов верны (Пластина, 0,42/1:2, Ø18H9, Ст3пс ГОСТ 14637-89, Ra 12,5). Мелкая неточность: материал приписан графе «Лист».
GPT-5.6 Sol (med)	9	8	9	8.9	Все пункты верны, материал «сталь 3пс ГОСТ 14637-89» корректен.
GPT-5.6 Luna (low)	9	8	9	8.9	Все пункты верны; материал дан как «сталь ГОСТ 14637-89» без марки, но корректно.
GPT-5.6 Luna (high)	9	8	9	8.9	Все пункты верны с деталями допуска; марка не названа (просто «сталь ГОСТ 14637-89»), но ГОСТ верный.
Qwen3.6-27B-FP8	8	9	9	8.2	Все пункты верны, грамотно разобран материал; но «8 ГОСТ 19903-74» ошибочно назван проволокой (это толщина листа).
GPT-5.6 Luna (med)	7	8	9	7.3	Пункты 1-3,5 верны, но материал ошибочно указан «сталь по ГОСТ 19903-74» (это стандарт листа, не марки).
diffusion-gemma	7	8	7	7.1	Пункты 1,2,3,5 верны, но марка искажена «Ста3с»; ГОСТ 14637-89 указан правильно.
GPT-5.6 Sol (low)	6	8	9	6.5	Пункты 1-3,5 верны, но марка стали выдумана «08пс» вместо Ст3пс.
MiniMax-M3	4	8	8	4.8	Пункты 1, 2, 3 и 5 верны (Пластина, 0,42 / 1:2, Ø18H9 (+0,043), Ra 12,5), но материал полностью выдуман: вместо «8 ГОСТ 19903-74 / Ст3пс ГОСТ 14637-89» указана «Сталь 45 ГОСТ 1050», которой на чертеже нет. Оформление и русский язык хорошие, однако галлюцинация в графе материала — грубая ошибка распознавания.
Nemotron-3-Nano-Omni-30B	2	5	5	2.6	Название подменено обозначением СПА.28052020.007, допуск искажён (±0,043), материал выдуман «Пластик» — грубые ошибки.

Множество моделей дали идеальные ответы; terra-high, kimi и llama-scout лидируют полнотой и корректным допуском. Nemotron-omni провалился (выдумал «Пластик» и подменил название).

drawing_стройка_450b41d8f2 — Экспликация помещений мансардного этажа

drawing · промпт 532 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На чертеже «План мансардного этажа» справа приведена таблица «Экспликация помещений мансардного этажа» с колонками: номер помещения, наименование, площадь. По этой таблице ответьте на вопросы: 1) Как называется помещение № 2 и какова его площадь? 2) Сколько в экспликации помещений с наименованием «С/У» (санузел) и под какими номерами они идут? 3) Какие два помещения имеют одинаковую площадь 29.2 и как они называются? 4) Чему равна итоговая суммарная площадь в строке «ВСЕГО»? Укажите также масштаб чертежа, который дан в штампе.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью корректно по всем пунктам и масштабу.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все ответы точны: Студия 78.6, С/У 6,7,9, спальни №4,5, ВСЕГО 178.2, М 1:100.
diffusion-gemma	10	9	10	9.9	Все данные прочитаны верно, включая три санузла и итог 178.2.
GPT-5.5 (low)	10	9	10	9.9	Точные и краткие ответы по всем вопросам.
GPT-5.5 (medium)	10	9	10	9.9	Полностью верно и чётко структурировано.
GPT-5.6 Sol (low)	10	9	10	9.9	Точные ответы, хорошая структура.
GPT-5.6 Terra (low)	10	9	10	9.9	Полностью корректно по всем вопросам.
GPT-5.6 Terra (med)	10	9	10	9.9	Все данные прочитаны верно, кратко и ясно.
GPT-5.6 Terra (high)	10	9	10	9.9	Все ответы верны и лаконичны.
GPT-5.6 Luna (low)	10	9	10	9.9	Полностью корректно по всем пунктам.
GPT-5.6 Luna (med)	10	9	10	9.9	Все данные верны, ясное изложение.
GPT-5.6 Luna (high)	10	9	10	9.9	Все ответы точны и лаконичны.
Kimi K2.6	7	8	10	7.4	Одна ошибка: ВСЕГО названо 170,2 вместо 178.2. Остальное (Студия, С/У 6,7,9, спальни, масштаб) верно.
gemma-4-31b	7	8	9	7.3	Одна ошибка: №2 названо «Спальня» вместо «Студия»; площадь и все прочие пункты (С/У 6,7,9; спальни; 178.2; 1:100) верны.
GPT-5.6 Sol (med)	7	8	9	7.3	Одна ошибка: №4 названо «столовая» вместо «Спальня». Остальные пункты верны.
Nemotron-3-Nano-Omni-30B	5	7	8	5.5	Ошибка в санузлах: названо 4 помещения (6,7,8,9), но №8 — Гардероб, санузлов три (6,7,9). Прочее верно.
llama-scout	3	8	8	4.0	Две ошибки: №2 названо «Спальня» вместо «Студия», а санузлов насчитано 2 (№6,7) вместо трёх (6,7,9). Остальное верно.
MiniMax-M3	2	8	9	3.3	Помещение №2 названо «Спальня, 26,4» вместо «Студия, 78.6», итог ВСЕГО посчитан по выдуманным числам (131,3 вместо 178.2), площади №7 и №8 искажены; верно только номера С/У (6,7,9), пара спален 29.2 и масштаб М 1:100. Оформление и русский язык хорошие, но фактическое чтение таблицы провалено.

Большинство моделей ответили полностью верно (Студия 78.6, С/У 6,7,9, спальни №4/5, ВСЕГО 178.2, М 1:100). Ошиблись: llama-scout (2 ошибки), nemotron (санузлы), kimi (итог), gemma и sol-medium (по одному наименованию).

drawing_стройка_8df1e91af1 — Чтение плана 1-го этажа: площади квартир и габарит

drawing · промпт 500 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

Перед вами архитектурный план 1-го этажа жилого дома. Внимательно рассмотрите чертёж и ответьте на вопросы: 1) Сколько квартир показано на плане и какими номерами они обозначены (цифры в рамках)? 2) Для квартиры с номером 4 укажите два числа площади, подписанные внутри её обозначения (большее и меньшее значение). 3) Чему равен общий габаритный размер здания по нижней размерной цепочке (по осям 1–9), указанный под планом? 4) Назовите грузоподъёмность лифта, подписанную в его шахте в центре плана.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все четыре пункта верны: 4 квартиры (1-4), площади 83,95/57,98 (точное 83,95, а не 83,96), итог 27000 мм и Q=630 кг. Дополнительно приведена шаговая размерная цепочка, подтверждающая сумму.
gemma-4-31b	10	9	10	9.9	Все четыре пункта точны, включая точное 83.95/57.98 и Q=630кг. Идеальный ответ.
diffusion-gemma	9	9	9	9.0	Все пункты верны (83.96/57.98, 27000, Q=630кг), лишь второе число округлено до 83.96 против 83.95.
GPT-5.5 (low)	9	9	9	9.0	Все четыре ответа верны, площадь 83.96 против 83.95 — незначительное расхождение.
GPT-5.5 (medium)	9	9	9	9.0	Все пункты верны, чётко разделены большее/меньшее значения; 83.96 против 83.95 — мелочь.
GPT-5.6 Sol (low)	9	9	9	9.0	Все четыре пункта верны, включая лифт 630 кг; 83.96 против 83.95 несущественно.
GPT-5.6 Sol (med)	9	9	9	9.0	Все ответы верны и аккуратно оформлены; мелкое округление площади.
GPT-5.6 Terra (low)	9	9	9	9.0	Все четыре пункта верны, включая Q=630 кг; 83.96 против 83.95 незначимо.
GPT-5.6 Terra (med)	9	9	9	9.0	Все ответы верны и чётко структурированы; мелкое округление 83.96.
GPT-5.6 Luna (low)	9	9	9	9.0	Все четыре пункта верны, включая Q=630 кг; 83.96 против 83.95 незначимо.
GPT-5.6 Luna (med)	9	9	9	9.0	Все ответы верны, лаконично и точно; мелкое округление 83.96.
GPT-5.6 Luna (high)	7	9	9	7.4	Три пункта верны, но грузоподъёмность указана 0,5 т (500 кг) вместо 630 кг.
Qwen3.6-27B-FP8	7	8	9	7.3	Квартиры 1-4, площади 83.96/57.98 и габарит 27000 верны, но лифт указан ошибочно 500 кг вместо 630.
Qwen3.6-35B-A3B-FP8	7	8	9	7.3	Три пункта верны (1-4; 57.98/83.96; 27000), но лифт назван 530 кг вместо 630.
Kimi K2.6	7	8	9	7.3	Квартиры, площади 57.98/83.96 и габарит 27000 верны, но лифт ошибочно 530 кг вместо 630.
GPT-5.6 Terra (high)	4	8	9	4.9	Для квартиры 4 указал чужие числа 34,79/16,3 (это квартира 1) и лифт 530 кг. Верны только количество квартир и габарит.
llama-scout	2	7	9	3.2	Выдумал 6 квартир (1-6) и второе число 33.96, а сумму по осям насчитал 54000, вставив 27000 как отдельный отрезок. Верна только грузоподъёмность 630 кг.
Nemotron-3-Nano-Omni-30B	2	6	8	3.0	Выдумал 6 квартир (1,2,3,4,5,2) и лифт 650 кгf; второе число тоже искажено (57,99). Верен лишь габарит 27000.

Полностью верны gemma-4-31b, diffusion-gemma и все GPT-5.5/5.6 (кроме terra-high и luna-high); победитель gemma-4-31b дал точное 83.95 и Q=630кг. Частые ошибки: неверная грузоподъёмность лифта (500/530/650) и галлюцинация 6 квартир у llama-scout и nemotron.

drawing_стройка_d3517e6fd9 — Чтение генплана приусадебного участка

drawing · промпт 476 симв. · Победитель: GPT-5.5 (medium) · 9.9/10

▸Промпт задачи

Перед вами генеральный план приусадебного участка. Пользуясь блоком «Экспликация» и условными обозначениями плана, ответьте на вопросы: 1) Какой масштаб чертежа указан в основной надписи (штампе)? 2) Под каким римским номером в экспликации обозначен «Гараж»? 3Какой объект обозначен на плане номером VII? 4) Сколько всего листов в комплекте согласно штампу и какой номер у данного листа? 5) Перечислите любые два элемента из раздела «Условные обозначения» (не из экспликации).

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (medium)	10	9	10	9.9	Все ответы верны, чёткое и грамотное изложение.
Kimi K2.6	10	9	10	9.9	Все ответы верны, грамотно и полно, корректный список условных обозначений.
GPT-5.6 Sol (low)	10	9	10	9.9	Все ответы верны, лавочка и фонарь корректны.
GPT-5.6 Sol (med)	10	9	10	9.9	Все ответы верны, чёткое изложение.
GPT-5.6 Terra (low)	10	9	10	9.9	Все ответы верны, предельно кратко и корректно.
GPT-5.6 Terra (med)	10	9	10	9.9	Все ответы верны, ясно и грамотно.
GPT-5.6 Terra (high)	10	9	10	9.9	Все ответы верны, лаконично и грамотно.
GPT-5.6 Luna (low)	10	9	10	9.9	Все ответы верны и лаконичны, условные обозначения выбраны корректно.
GPT-5.6 Luna (med)	10	9	10	9.9	Все ответы верны, ясно и грамотно.
GPT-5.6 Luna (high)	10	9	10	9.9	Все ответы верны, лавочка и урна корректны, чёткое изложение.
Qwen3.6-27B-FP8	10	9	9	9.8	Все ответы точны, подробное пояснение к каждому пункту, список условных обозначений корректен.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Все ответы верны, корректно отделены условные обозначения от экспликации. Ясно и структурировано.
llama-scout	10	9	9	9.8	Все пять ответов верны, элементы условных обозначений выбраны корректно (Лавочка, Пергола). Чёткая структура.
gemma-4-31b	10	9	9	9.8	Все ответы верны, лаконично и правильно, условные обозначения выбраны корректно.
GPT-5.5 (low)	10	9	9	9.8	Все ответы верны и предельно кратки, лавочка и фонарь корректны.
diffusion-gemma	10	8	6	9.4	Ответы фактически верны, но текст с опечатками (уден, Номе), что снижает качество русского.
MiniMax-M3	9	9	10	9.1	Все пять ответов верны (М 1:200, III — Гараж, VII — Водоём, лист 1 из 4, элементы условных обозначений), раздел условных обозначений корректно отделён от экспликации. Небольшая придумка: у водоёма назван несуществующий фонтан.
Nemotron-3-Nano-Omni-30B	2	1	1	1.8	Обрывочный бессвязный ответ: только масштаб верен, VII назван VIII, ответы неполны и нечитаемы.

Почти все модели дали все пять верных ответов; 27b-v2 выделяется наиболее полным и точным пояснением каждого пункта. Nemotron-omni полностью провалил задачу.

drawing_стройка_70bd49fe28 — Чтение дендрологического плана участка

drawing · промпт 429 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

Перед вами дендрологический план благоустройства участка. Ответьте на вопросы строго по изображению: 1) Как называется этот чертёж (тип плана) и в каком масштабе он выполнен (указан в штампе)? 2) Сколько штук растения «Спирея японская» указано на плане? 3) Сколько штук «Винограда девичьего» подписано в левой части плана (рядом с обозначением «Дуб», «Смородина»)? 4) Какие три капитальных строения (здания) подписаны на участке?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все четыре пункта верны: дендрологический план, М 1:200, 33 шт. спиреи, 106 винограда, три строения. Указано расположение штампа.
GPT-5.5 (medium)	10	9	10	9.9	Все ответы точны и совпадают с эталоном.
GPT-5.6 Terra (low)	10	8	10	9.8	Все ответы точны и совпадают с эталоном.
GPT-5.6 Terra (med)	10	8	10	9.8	Все ответы точны и совпадают с эталоном.
GPT-5.6 Terra (high)	10	8	10	9.8	Все ответы точны и совпадают с эталоном.
GPT-5.6 Luna (low)	10	8	10	9.8	Все ответы точны и совпадают с эталоном.
GPT-5.6 Luna (med)	10	8	10	9.8	Все ответы точны и совпадают с эталоном.
GPT-5.6 Sol (low)	10	8	9	9.7	Все ответы верны, изложено кратко.
GPT-5.6 Sol (med)	10	8	9	9.7	Все ответы верны, изложено кратко.
GPT-5.5 (low)	8	8	9	8.1	Числа и строения верны, но тип назван неточно («дендропланировочный»).
GPT-5.6 Luna (high)	8	8	9	8.1	Числа и строения верны, но тип назван неточно («дендропосадочный»).
MiniMax-M3	7	9	9	7.4	Верно определены тип чертежа (дендрологический план), масштаб М 1:200, 33 шт. спиреи японской и все три строения (Баня, Дом, Дом соседа). Ошибка в п.3: указано 108 вместо 106 для винограда девичьего в левой части.
Kimi K2.6	7	8	9	7.3	Тип, масштаб, спирея и строения верны, но виноград ошибочно 10 вместо 106.
llama-scout	6	8	9	6.5	Тип, масштаб, виноград (106) и строения верны, но спирея ошибочно 2 шт. вместо 33.
gemma-4-31b	6	7	9	6.4	Кратко и по делу, но спирея ошибочно 2 шт. вместо 33; остальное верно.
diffusion-gemma	6	8	8	6.4	Тип, масштаб, виноград и строения верны, но спирея неверно 2 шт. вместо 33.
Qwen3.6-27B-FP8	3	8	9	4.1	Спирея (1 вместо 33) и виноград (выдумал прочтение «10 б.» вместо 106) неверны; тип, масштаб и строения верны.
Nemotron-3-Nano-Omni-30B	2	3	6	2.5	Спирея (1), виноград (3 шт) неверны, строения вообще не названы; верны только тип и масштаб.

Множество моделей дали полностью верный ответ; частая ошибка — спирея 2 вместо 33 или виноград 10 вместо 106. Победитель gpt-5.5-medium: все точно, чётко и грамотно.

drawing_стройка_dee15c447a — Экспликация зданий и сооружений на генплане участка

drawing · промпт 357 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

Перед вами генеральный план участка. Используя таблицу «Экспликация зданий и сооружений» в правой части чертежа, ответьте: 1) Какой объект обозначен позицией № 6? 2) Сколько всего позиций (строк) в этой таблице? 3) Назовите масштаб чертежа, указанный в основной надписи (штампе) внизу справа. 4) В каком регионе расположен участок согласно надписи в штампе?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все 4 факта верны, ответ развёрнут с цитированием штампа и таблицы. Чёткая структура.
diffusion-gemma	10	9	10	9.9	Все факты верны, дублирует вопросы и даёт полный регион. Хорошая структура.
MiniMax-M3	10	9	10	9.9	Все четыре пункта верны: позиция 6 — декоративный пруд с каскадом, 9 позиций, М 1:200, Калужская обл. (к/п Ивановское). Ответ точный и аккуратно оформленный, анализ минимальный, но задача этого и не требует.
Kimi K2.6	10	9	10	9.9	Все факты верны, с указанием источника и полным регионом. Аккуратная структура.
Qwen3.6-27B-FP8	10	8	10	9.8	Все 4 факта верны, лаконично и корректно, с пояснениями по штампу.
gemma-4-31b	10	8	10	9.8	Все ответы верны, кратко и по делу, без лишних деталей.
GPT-5.5 (low)	10	8	10	9.8	Все 4 факта верны, максимально лаконично и корректно.
GPT-5.5 (medium)	10	8	10	9.8	Все 4 факта верны, чёткий краткий список.
GPT-5.6 Sol (low)	10	8	10	9.8	Все 4 факта верны, лаконично и правильно, масштаб с «М».
GPT-5.6 Sol (med)	10	8	10	9.8	Все 4 факта верны, чёткий краткий список.
GPT-5.6 Terra (low)	10	8	10	9.8	Все 4 факта верны, максимально кратко.
GPT-5.6 Terra (med)	10	8	10	9.8	Все 4 факта верны, регион дан с уточнением к/п Ивановское.
GPT-5.6 Terra (high)	10	8	10	9.8	Все 4 факта верны, лаконично и корректно.
GPT-5.6 Luna (low)	10	8	10	9.8	Все 4 факта верны, краткий чёткий список.
GPT-5.6 Luna (med)	10	8	10	9.8	Все 4 факта верны, краткий чёткий список.
GPT-5.6 Luna (high)	10	8	10	9.8	Все 4 факта верны, лаконично и корректно.
llama-scout	10	8	9	9.7	Все факты верны, регион дан полностью. Мешают лишние $-обёртки вокруг чисел.
Nemotron-3-Nano-Omni-30B	10	6	7	9.3	Факты верны, но ответ предельно сухой; опечатка с ударением «Декорáтивный».

Все модели дали 4/4 верных факта; победитель — 35b-a3b за наиболее полный и структурированный ответ. Nemotron слабее из-за сухости и опечатки.

drawing_стройка_df18869e3d — Баланс территории генплана: площадь газона

drawing · промпт 341 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед вами генеральный план благоустройства частной усадьбы (М 1:100). Используя таблицу «Баланс территории» в нижней правой части листа, ответьте: какой элемент занимает наибольшую площадь, чему равна его площадь в квадратных метрах и какой процент от общей территории он составляет? Также укажите общую площадь территории (строку «Всего»).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все данные верны, корректно интерпретировал '10 00,00' как 1000 м². Чётко и ясно.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Полностью верный ответ, аккуратно отметил опечатку '10 00,00' = 1000 м². Идеально.
gemma-4-31b	10	10	10	10.0	Верные значения, аккуратный список. Без пояснения по опечатке, но результат правильный.
GPT-5.5 (medium)	10	10	10	10.0	Верно, компактно, добавил 100% для 'Всего'. Отлично.
Kimi K2.6	10	10	10	10.0	Все данные верны, чистая структура, указал 100%. Отлично.
GPT-5.5 (low)	10	9	10	9.9	Все значения верны, кратко и ясно.
GPT-5.6 Sol (low)	10	9	10	9.9	Все данные верны, чётко.
GPT-5.6 Sol (med)	10	9	10	9.9	Верно, добавил 100%. Ясно и корректно.
GPT-5.6 Terra (low)	10	9	10	9.9	Все значения верны, лаконично.
GPT-5.6 Terra (med)	10	9	10	9.9	Верно и ясно.
GPT-5.6 Terra (high)	10	9	10	9.9	Верный краткий ответ.
GPT-5.6 Luna (low)	10	9	10	9.9	Все значения верны, аккуратное оформление.
GPT-5.6 Luna (med)	10	9	10	9.9	Верно, значения округлены до 421 и 1000 м² — допустимо.
GPT-5.6 Luna (high)	10	9	10	9.9	Верный лаконичный ответ.
diffusion-gemma	10	9	9	9.8	Верно, отметил опечатку в таблице. Обрезана первая буква ('сновываясь') — мелкий дефект вывода.
llama-scout	10	9	8	9.7	Все значения верны, приведена полная таблица с сортировкой. Точки вместо запятых и LaTeX-обёртки чуть портят подачу.
Nemotron-3-Nano-Omni-30B	9	4	6	8.2	Значения верны, но оставил сырое '10 00,00 м²' без пояснения; предельно телеграфно, без структуры.
MiniMax-M3	5	8	7	5.5	Главный элемент назван верно (Газон 421,00 м², 42,10%), но прямо запрошенная общая площадь указана неверно — 1 030,00 м² вместо 1000,00 м². Дополнительно искажены Строения (278,60 вместо 228,60) и название «миксбордер» заменено выдуманным «моноцветник».

Все модели дали верный ответ (газон, 421 м², 42,10%, 1000 м²). Победитель 35b-a3b — правильные значения и аккуратное пояснение опечатки '10 00,00'. Аутсайдер nemotron-omni из-за телеграфности и сырого значения.

drawing_стройка_83c2904e99 — Чтение плана этажа: площадь общей комнаты квартиры

drawing · промпт 471 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

Перед вами архитектурный план этажа (отметки +27,650; +30,650). Внутри каждой квартиры приведена табличка из трёх строк с площадями. Рассмотрите квартиру в правой части плана, где помещение «Общая комната» имеет площадь 14,80 м². Назовите три числа из её таблички площадей сверху вниз и поясните, что показывает каждое из них (жилая площадь / общая площадь без летних помещений / общая площадь с учётом летних). Также укажите, как на чертеже подписан этот этаж (отметки).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Все три числа и отметки верны, корректное пояснение назначения строк.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Числа и отметки верны, дан развёрнутый разбор состава площадей и понижающего коэффициента.
diffusion-gemma	10	9	9	9.8	Числа 14,80/55,86/58,50 и отметки верны, пояснения корректны.
GPT-5.5 (low)	10	9	9	9.8	Все числа и отметки верны, лаконично и точно.
GPT-5.5 (medium)	10	9	9	9.8	Все числа и отметки верны, чётко структурировано.
Kimi K2.6	10	9	9	9.8	Все числа и отметки верны, подробное и корректное пояснение состава площадей.
GPT-5.6 Sol (low)	10	9	9	9.8	Все числа и отметки верны, чётко и лаконично.
GPT-5.6 Sol (med)	10	9	9	9.8	Все числа и отметки верны, аккуратное оформление.
GPT-5.6 Terra (med)	10	9	9	9.8	Все числа 14,80/55,86/58,50 и отметки верны.
GPT-5.6 Luna (low)	6	9	9	6.6	Третье число ошибочно 56,30 вместо 58,50; остальное верно.
GPT-5.6 Luna (med)	6	9	9	6.6	Третье число ошибочно 56,50 вместо 58,50; остальное верно.
GPT-5.6 Luna (high)	6	9	9	6.6	Первые два числа верны, третье ошибочно 56,50 вместо 58,50; отметки верны.
GPT-5.6 Terra (low)	5	9	9	5.8	Ключевое первое число ошибочно 11,80 вместо 14,80; два других верны.
GPT-5.6 Terra (high)	5	9	9	5.8	Ключевое первое число ошибочно 41,80 вместо 14,80; два других верны.
llama-scout	1	7	8	2.3	Все три числа выдуманы (10,74/15,86/18,50) вместо 14,80/55,86/58,50; верны только отметки этажа.
gemma-4-31b	1	7	8	2.3	Все три числа выдуманы (31,16/42,72/42,98); верны только отметки этажа.
MiniMax-M3	1	7	8	2.3	Все три числа таблички выдуманы (27,26/44,42/48,42 вместо 14,80/55,86/58,50), а сопутствующие расчёты сумбурны и противоречивы (обрывок «29,16… нет»). Верно указаны только отметки этажа +27,650/+30,650; оформление и русский язык хорошие.
Nemotron-3-Nano-Omni-30B	0	0	0	0.0	Бессмысленный ответ на английском про timestamp; задача не решена.

35b-a3b, kimi-k2.6 и группа gpt-5.5/sol/terra-medium дали полностью верные числа и отметки; 35b-a3b выигрывает за наиболее полный корректный разбор.

drawing_стройка_bc86c48c3c — Чтение ведомости перемычек на кладочном плане

drawing · промпт 306 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 10.0/10

▸Промпт задачи

На чертеже справа приведена таблица «Ведомость перемычек» с марками ПР1–ПР6. Ответьте по таблице: 1) Сколько всего марок перемычек в ведомости? 2) Для каких марок указана отметка (высотная отметка) 5.400? 3) Какая марка имеет отметку 4.350? 4) Перепишите обозначение сечения (маркировку) для перемычки ПР1.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все 4 ответа верны, включая точную маркировку 5x1ПР8-27.12.19у. Чёткая структура и хороший русский.
GPT-5.5 (low)	10	10	10	10.0	Все ответы верны и лаконичны, маркировка 5×1ПР8-27.12.19у точна.
GPT-5.5 (medium)	10	10	10	10.0	Все ответы верны и лаконичны, маркировка ПР1 точная.
Kimi K2.6	10	10	10	10.0	Все ответы верны, маркировка ПР1 точная. Чёткое оформление.
GPT-5.6 Terra (med)	10	10	10	10.0	Все 4 ответа верны, маркировка 5×1ПР8-27.12.19у точна.
llama-scout	10	9	10	9.9	Все ответы верны, маркировка ПР1 точная. Развёрнуто с итоговой сводкой, слегка избыточно.
diffusion-gemma	10	9	10	9.9	Все 4 ответа верны, маркировка ПР1 точная. Ясная структура.
Nemotron-3-Nano-Omni-30B	10	7	8	9.5	Все 4 ответа верны, маркировка точна, но крайне лаконично без пояснений.
GPT-5.6 Terra (high)	9	10	10	9.2	Ответы 1-3 верны; маркировка ПР1 без суффикса «у», в остальном верна.
GPT-5.6 Luna (low)	9	10	10	9.2	Ответы 1-3 верны; маркировка ПР1 без суффикса «у», в остальном корректна.
GPT-5.6 Luna (med)	9	10	10	9.2	Ответы 1-3 верны; маркировка ПР1 без «у», ПР8 и 5×1 совпадают.
GPT-5.6 Luna (high)	9	10	10	9.2	Ответы 1-3 верны; в маркировке ПР1 опущен суффикс «у», в остальном верно.
gemma-4-31b	9	9	10	9.1	Все ответы верны; маркировка передана с мелкими опечатками (Пр8, запятые), но ПР8 и 5x1 совпадают.
GPT-5.6 Terra (low)	9	9	10	9.1	Ответы 1-3 верны; маркировка ПР1 без «у», ПР8 и 5х1 совпадают.
Qwen3.6-27B-FP8	8	9	10	8.3	Основные 4 ответа верны, но добавлен выдуманный размер 616 (на схеме 510), что снижает точность.
GPT-5.6 Sol (low)	7	10	10	7.6	Ответы 1-3 верны, но марка прочитана как ПБ8 вместо ПР8, что противоречит эталону.
GPT-5.6 Sol (med)	7	10	10	7.6	Ответы 1-3 верны, но в маркировке ПБ8 вместо ПР8 — ошибка распознавания марки.
MiniMax-M3	6	9	9	6.6	Пункты 1-3 полностью верны (6 марок, 5.400 — ПР4-ПР6, 4.350 — ПР3), но маркировка ПР1 распознана как «5х1ПРБ 27.12.19у» вместо обязательного «5x1ПР8-27.12.19у», что по критериям пакета не засчитывается. Оформление и русский язык хорошие, хотя пояснение про «низ перемычки 6.000» неточно.

Почти все модели ответили верно; лидируют полностью точные с маркировкой «...у» (35b-a3b, gpt-5.5, kimi, terra-medium). Sol-модели ошиблись в марке (ПБ8), luna/terra опустили суффикс «у».

Оборудование

equipment_банки_400bf60cc9 — Терминал самообслуживания Сбербанка

equipment · промпт 368 симв. · Победитель: GPT-5.6 Terra (high) · 8.9/10

▸Промпт задачи

Рассмотрите устройство на фото. Назовите: (1) какой это тип банковского оборудования и какому банку оно принадлежит (по логотипу и надписям); (2) какое основное действие предлагает выполнить экран терминала; (3) какие платёжные системы/карты принимает устройство, судя по логотипам в верхней части экрана. Ответьте кратко и конкретно по тому, что видно на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Terra (high)	9	8	9	8.9	Аккуратно: банк, действие, Cirrus и бренд Сбербанка; осторожная формулировка MasterCard/Maestro.
diffusion-gemma	8	9	9	8.2	Банк, действие и Cirrus верны; лишний Maestro — незначительная неточность.
GPT-5.5 (low)	8	9	9	8.2	Точно назвал банк, действие и Cirrus; Maestro лишний, но в целом корректно.
GPT-5.5 (medium)	8	9	9	8.2	Верно всё, включая Cirrus и карты Сбербанка; лишь Maestro добавлен зря.
Kimi K2.6	8	8	9	8.1	Кратко и точно: банк, действие, Cirrus; лишний Maestro — мелочь.
GPT-5.6 Luna (med)	8	8	9	8.1	Точно банк, действие и Cirrus; лишний Maestro.
GPT-5.6 Luna (high)	8	8	9	8.1	Верно банк, действие и Cirrus; Maestro добавлен зря.
Nemotron-3-Nano-Omni-30B	8	8	8	8.0	Банк, действие и Cirrus верны; Maestro лишний, формулировки местами калькированы.
GPT-5.6 Sol (med)	7	9	9	7.4	Cirrus верно; лишние Visa Electron и Maestro снижают точность.
GPT-5.6 Sol (low)	7	8	9	7.3	Cirrus верно, но добавлены отсутствующие Visa Electron и Maestro.
Qwen3.6-35B-A3B-FP8	6	8	9	6.5	Банк, тип и действие верны, но выдумал «Мир» и пропустил Cirrus, реально присутствующий на экране.
MiniMax-M3	6	8	9	6.5	Верно определены Сбербанк, платёжный терминал, табло «ОПЛАТА» и действие «Оплатить и перевести», но добавлены выдуманные детали: блоки «Оплатить пакет услуг»/«Оплатить по штрих-коду» на экране отсутствуют, как и логотип «Мир»; Cirrus пропущен, вместо него указаны Visa Electron и Maestro.
GPT-5.6 Terra (low)	6	8	9	6.5	Cirrus верно, но выдумал «Мир», которого на экране нет.
GPT-5.6 Terra (med)	6	8	9	6.5	Cirrus верно, однако добавлен несуществующий «Мир».
Qwen3.6-27B-FP8	5	8	9	5.7	Правильно банк и действие, однако выдумал Maestro и «Мир», Cirrus пропущен.
llama-scout	5	7	9	5.6	Верно банк и действие, но добавил и Maestro, и «Мир», которых на экране нет, Cirrus не назван.
GPT-5.6 Luna (low)	4	8	9	4.9	Банк и действие верны, но выдумал «Мир» и UnionPay, Cirrus пропущен.
gemma-4-31b	4	6	8	4.6	Крайне кратко; нафантазировал «Мир» и UnionPay, которых нет, Cirrus не указан.

Все верно определили Сбербанк и «Оплатить и перевести»; ключ — платёжные системы (Visa×2, MasterCard, Cirrus). terra-high точнее всех, назвав Cirrus и бренд Сбербанка без выдуманного «Мир».

equipment_банки_643a7ab903 — Два терминала Сбербанка в торговом центре

equipment · промпт 491 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 10.0/10

▸Промпт задачи

На фотографии показаны два устройства самообслуживания. Ответь на вопросы строго по тому, что видно на изображении: 1) Что это за оборудование и какому банку оно принадлежит (по логотипу и надписи на корпусе)? 2) Сколько таких устройств на снимке? 3) Какого цвета корпуса машин? 4) Что отображается на экране ЛЕВОГО устройства — приведи текст. 5) В каком типе помещения они установлены (по фону: вывески магазинов, оформление) и в каком они видимом состоянии (новые/чистые или повреждённые)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все факты верны: Сбербанк, два банкомата, зелёный корпус, точный текст левого экрана, торговый центр и чистое состояние. Отличная структура.
Kimi K2.6	10	10	10	10.0	Все факты верны, точный текст экрана, верно подмечено слово «СБЕРБАНК» вверху экрана и описание фона ТЦ; «Veronika» — незначительная неточность.
gemma-4-31b	10	9	10	9.9	Кратко и полностью верно: Сбербанк, два, зелёный, точный текст экрана, торговый центр, чистое состояние.
diffusion-gemma	10	9	10	9.9	Все факты верны, точный текст левого экрана и корректное описание фона ТЦ.
GPT-5.5 (medium)	10	9	10	9.9	Полностью корректно и лаконично: Сбербанк, два, зелёный, точный текст экрана, ТЦ, чистые.
GPT-5.6 Sol (med)	10	9	10	9.9	Все факты верны, тонко подмечены тёмно-зелёные боковины правого устройства, точный текст экрана.
Qwen3.6-27B-FP8	9	9	10	9.1	Все ключевые факты верны, точный текст экрана и хорошее описание фона; описание логотипа как «луковка» неточно, но это мелочь.
GPT-5.5 (low)	9	9	10	9.1	Верно всё: банк, число, цвет, точный текст экрана, торговый центр, исправное состояние.
GPT-5.6 Sol (low)	9	9	10	9.1	Полностью корректно и лаконично, точный текст левого экрана.
GPT-5.6 Terra (med)	9	9	10	9.1	Полностью корректно: банк, число, цвет, точный текст экрана, торговый центр, целые и чистые.
GPT-5.6 Luna (high)	9	9	10	9.1	Кратко и верно по всем пунктам, точный текст левого экрана.
GPT-5.6 Terra (low)	9	8	10	9.0	Все ключевые факты верны, точный текст левого экрана, ТЦ с вывесками.
GPT-5.6 Terra (high)	9	8	10	9.0	Верно всё: Сбербанк, два, зелёный, точный текст экрана, ТЦ, без повреждений.
GPT-5.6 Luna (low)	9	8	10	9.0	Все факты верны, точный текст экрана; формулировки лаконичные.
GPT-5.6 Luna (med)	9	8	10	9.0	Верно всё: банк, число, цвет, точный текст экрана, торговое помещение, чистые.
Nemotron-3-Nano-Omni-30B	7	3	5	6.4	Факты в основном верны, но текст экрана с опечатками («ПОКАЛУЙСТА, ВСТАВИТЕ»), фон не опознан как ТЦ, а нумерация сломана (везде «2)»).
llama-scout	4	7	6	4.5	Верно назвал банк, число и цвет, но грубо выдумал текст левого экрана («ПОДТВЕРДИТЕ ПОСТАВЬТЕ ВАШУ КАРТУ») вместо реального про вставку карты.
MiniMax-M3	3	8	9	4.1	Верно определены Сбербанк, два банкомата, зелёный цвет, ТЦ и чистое состояние, но ключевой пункт 4 полностью выдуман: вместо «ПОЖАЛУЙСТА, ВСТАВЬТЕ ВАШУ КАРТУ» приписаны несуществующие пункты «Услуги»/«Настройки» и надпись «Пожалуйста, подождите». Часть вывесок на фоне также придумана.

Большинство моделей дали безупречный ответ; 35b-a3b, kimi-k2.6, sol-medium — образцовые. Провалы: llama-scout выдумал текст экрана, nemotron сломал формат и русский.

equipment_банки_9bc1614ae3 — Банкоматы Сбербанка: тип и назначение

equipment · промпт 406 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.0/10

▸Промпт задачи

На фото в банковской зоне самообслуживания стоят три зелёных устройства. Определи: 1) Какому банку они принадлежат (по логотипу и надписи на корпусе)? 2) Что это за оборудование? 3) Чем по функции отличается крайний левый аппарат от крайнего правого — обрати внимание на оранжевые таблички-указатели над ними. 4) Опиши видимое санитарное состояние зоны (что находится между левым и центральным аппаратами).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Все факты верны: Сбербанк, банкоматы, левый снятие, правый снятие+внесение, корзина с мусором и не переполнена. Полный и структурный ответ.
Kimi K2.6	9	9	9	9.0	Самый полный и точный: все факты верны, корзина требует выноса, аккуратное описание стен и пола.
Qwen3.6-27B-FP8	9	9	8	8.9	Точно и полно, корзина верно описана как непереполненная. Мелкая опечатка «уме».
GPT-5.5 (medium)	9	8	9	8.9	Точно и лаконично, все ключевые факты названы верно.
GPT-5.6 Sol (low)	9	8	9	8.9	Точно, верно отмечено что остальная зона чистая, корзина не пустая — соответствует картинке.
MiniMax-M3	8	9	9	8.2	Все ключевые факты верны: Сбербанк, банкоматы, левый — только снятие, правый — снятие и внесение, мусорная корзина между аппаратами. Минусы: неточно процитированы надписи (табличка «СНЯТЬ/WITHDRAWALS», а не «СНЯТЬ НАЛИЧНЫЕ»; на коробке «Оплата услуг ЖКХ картой», а не «Платежи и переводы без комиссии»), урна названа переполненной и приписано отсутствие купюроприёмника у левого аппарата.
gemma-4-31b	8	8	9	8.1	Все ключевые факты верны, корзина слегка преувеличенно «заполнена», но в целом корректно и лаконично.
GPT-5.5 (low)	8	8	9	8.1	Все факты верны, «корзина заполнена» слегка преувеличено, но приемлемо. Чёткий ответ.
GPT-5.6 Sol (med)	8	8	9	8.1	Все факты верны, «переполненная» под сомнением, но хеджировано. Хорошо.
GPT-5.6 Terra (low)	8	8	9	8.1	Все факты верны, «выглядит заполненной» немного преувеличено.
GPT-5.6 Terra (high)	8	8	9	8.1	Верно, «заметно заполнена» слегка преувеличено. Кратко и по делу.
GPT-5.6 Luna (med)	8	8	9	8.1	Верно и лаконично, все ключевые пункты названы.
GPT-5.6 Luna (high)	8	8	9	8.1	Все ключевые факты верны, «заметное количество мусора» немного преувеличено. Лаконично.
GPT-5.6 Terra (med)	8	7	9	8.0	Факты верны, но очень сжато, без деталей по логотипу и оборудованию.
GPT-5.6 Luna (low)	7	7	9	7.2	Факты верны, но «рядом с корзиной виден мусор» намекает на пол, чего нет.
llama-scout	7	7	8	7.1	Основные факты верны, но выдумано «небольшое скопление мусора на полу», которого нет. Менее детально.
Nemotron-3-Nano-Omni-30B	7	7	7	7.0	Факты верны, но странное описание мусора «бумажные волосы или тряпки» и неточность «№1» (на левом «1»/по notes 4).
diffusion-gemma	4	6	6	4.4	Выдумал, что корзина переполнена и мусор лежит на полу — этого нет. Опечатки «банкомаматы», двойные запятые.

Большинство моделей ответили верно; kimi-k2.6 самый полный и точный. Провал у diffusion-gemma за выдумку переполненной корзины и мусора на полу.

equipment_банки_b2ed0e3e4f — Банкоматы и терминалы Сбербанка

equipment · промпт 413 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.0/10

▸Промпт задачи

Внимательно рассмотрите фотографию. Какому банку принадлежит изображённое оборудование (по логотипу и надписям)? Сколько на снимке стоит зелёных устройств самообслуживания этого банка? Какая функция (надпись) отображается на экране центрального устройства, и что это говорит о его назначении (только выдача наличных или приём и выдача)? Опишите видимое состояние техники (включены ли экраны, есть ли повреждения).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Всё верно: Сбербанк, 3 устройства, «Снять и внести» = приём+выдача, исправное состояние. Логотип описан неточно (цветок/листок).
MiniMax-M3	9	9	9	9.0	Все ключевые пункты верны: Сбербанк, три зелёных устройства, надпись «Снять и внести» с корректным выводом о ресайклинге, исправное состояние и включённые экраны. Небольшой минус за домысел, что у левого терминала нет части для выдачи наличных (на нём видны кардридер и купюрные слоты), и за «зелёные световые элементы индикации».
llama-scout	9	8	9	8.9	Корректно: Сбербанк, 3, «Снять и внести», приём+выдача, техника рабочая. Кратко, без ошибок.
gemma-4-31b	9	8	9	8.9	Всё правильно и лаконично: Сбербанк, 3 устройства, приём+выдача, исправно.
Kimi K2.6	9	9	8	8.9	Полно и верно: Сбербанк, 3, приём+выдача, исправно. Опечатка «реклайнер» вместо ресайклер.
GPT-5.6 Sol (low)	9	8	9	8.9	Точно: Сбербанк, 3, приём+выдача. Хорошая оговорка про невидимый экран правого устройства.
GPT-5.6 Terra (med)	9	8	9	8.9	Корректно и чисто: Сбербанк, 3, приём+выдача, техника рабочая.
GPT-5.6 Terra (high)	9	8	9	8.9	Верно: Сбербанк, 3, приём+выдача. Повреждения корректно отнёс к перегородке, а не технике.
GPT-5.6 Luna (low)	9	8	9	8.9	Кратко и верно: Сбербанк, 3, приём+выдача, техника исправна.
GPT-5.6 Luna (med)	9	8	9	8.9	Верно: Сбербанк, 3, приём+выдача, работоспособно. Чисто и без ошибок.
diffusion-gemma	9	8	7	8.7	Содержательно верно, но опечатки («техни», «иисправной») снижают качество русского.
GPT-5.6 Luna (high)	9	7	5	8.4	Факты верны, но в текст затесались китайские иероглифы («明显ных»), сильно портя русский.
Qwen3.6-27B-FP8	8	9	9	8.2	Верно по сути (Сбербанк, 3, приём+выдача), но логотип ошибочно описан как «буква С в круге».
GPT-5.5 (low)	8	8	9	8.1	Верно: Сбербанк, 3, приём+выдача. Приписал заметные потёртости/царапины, которых почти нет.
GPT-5.6 Terra (low)	8	8	9	8.1	Верно по банку/функции/счёту, но приписал центральному аппарату заметные царапины.
GPT-5.5 (medium)	7	8	9	7.3	Сбербанк и функция верны, но «три + часть четвёртого» — небольшое завышение счёта.
Nemotron-3-Nano-Omni-30B	6	8	8	6.4	Функция верна, но насчитал 2 устройства, объявив правое «статичным брендированием» — оно тоже устройство.
GPT-5.6 Sol (med)	5	8	9	5.7	Функция и банк верны, но насчитал ЧЕТЫРЕ устройства — завышение количества.

Большинство моделей верно распознали Сбербанк, 3 устройства и функцию «Снять и внести». 35b-a3b, kimi-k2.6 и gpt-5.6-sol-low наиболее полны; ошиблись в счёте nemotron-omni (2) и gpt-5.6-sol-medium (4).

equipment_банки_ce13e48e97 — Опознание банковского терминала Сбербанка

equipment · промпт 315 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Внимательно рассмотрите изображение. Какое устройство изображено и какому банку оно принадлежит? Назовите: 1) тип оборудования и его основное назначение; 2) банк-владелец (по логотипу и надписи на корпусе); 3) какой текст-заголовок отображается на экране устройства. Ответ обоснуйте видимыми на картинке элементами.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Верно опознан Сбербанк, тип терминала и заголовок «Оплатить и перевести», всё обосновано видимыми элементами.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Максимально детально: верно всё, дополнительно прочитан подзаголовок под основным текстом.
gemma-4-31b	10	10	10	10.0	Верно опознаны банк, тип и заголовок; отмечены логотипы платёжных систем.
Kimi K2.6	10	10	10	10.0	Полный и точный ответ с детальным обоснованием по логотипу и элементам корпуса.
GPT-5.5 (low)	10	9	10	9.9	Все три факта верны и обоснованы видимыми элементами корпуса и экрана.
GPT-5.5 (medium)	10	9	10	9.9	Корректно опознаны Сбербанк, тип терминала и заголовок экрана.
Nemotron-3-Nano-Omni-30B	10	10	9	9.9	Верно всё, детально описаны видимые элементы; лёгкие шероховатости языка.
GPT-5.6 Sol (low)	10	9	10	9.9	Корректно опознаны банк, тип и заголовок с указанием видимых элементов.
GPT-5.6 Sol (med)	10	9	10	9.9	Верно всё, обоснование по фирменному оформлению и панели над экраном.
GPT-5.6 Terra (low)	10	9	10	9.9	Верно опознаны Сбербанк, тип и заголовок экрана.
GPT-5.6 Terra (med)	10	9	10	9.9	Все три факта верны, ответ структурный и краткий.
GPT-5.6 Terra (high)	10	9	10	9.9	Все факты верны, обоснование через видимые слот, клавиатуру и надписи.
GPT-5.6 Luna (med)	10	9	10	9.9	Все три факта верны, обоснование сжатое но достаточное.
GPT-5.6 Luna (high)	10	9	10	9.9	Все факты верны, ответ краткий но полный, указано ПАО «Сбербанк».
llama-scout	10	9	9	9.8	Все три факта верны, обоснование чуть менее детальное, но корректное.
GPT-5.6 Luna (low)	10	8	10	9.8	Верно, но очень лаконично, без развёрнутого обоснования.
diffusion-gemma	9	9	6	8.7	Факты верны, но заметные опечатки («переводыводы», «самослуживания») снижают качество текста.
MiniMax-M3	8	9	9	8.2	Все три ключевых факта верны: терминал самообслуживания Сбербанка, заголовок «Оплатить и перевести», перечислены реально видимые элементы (экран, картридер, PIN-пад, слот купюр). Небольшие неточности в деталях: верхняя плашка описана как зелёная (она светлая/белая), логотип назван зелёной «галочкой-листиком» (он белый на зелёном), текст на ней домыслен как «Оплатить карту».

Все модели верно опознали терминал Сбербанка и заголовок «Оплатить и перевести». 35b-a3b и kimi-k2.6 дали самый детальный разбор; 35b-a3b дополнительно прочитал подзаголовок экрана.

equipment_банки_e1d6da41a0 — Банкоматы Сбербанка в отделении

equipment · промпт 434 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 10.0/10

▸Промпт задачи

На фото показано банковское самообслуживающее оборудование. Ответьте на вопросы строго по изображению: 1) Что это за устройства и какому банку они принадлежат (по логотипу и надписям)? 2) Какого они цвета? 3) Сколько таких устройств видно полностью или частично на снимке? 4) У какого из двух передних аппаратов экран включён и показывает изображение/рекламу, а у какого экран тёмный (выключен)? 5) Что стоит на полу между аппаратами?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Всё верно: Сбербанк, зелёные, три устройства, правый включён/центральный тёмный, чёрные урны с пакетами. Хорошая структура.
Kimi K2.6	10	10	10	10.0	Полный и точный ответ с деталями логотипа и различием экранов; чёрные урны в пакетах. Отлично.
Qwen3.6-27B-FP8	10	9	10	9.9	Точный ответ по всем пунктам, включая чёрные баки с пакетами и различие экранов. Ясно и лаконично.
GPT-5.5 (low)	10	9	10	9.9	Точно по всем пунктам, экраны различены верно, урна упомянута. Чётко и грамотно.
GPT-5.5 (medium)	10	9	10	9.9	Полностью верный ответ, корректное различие экранов и упоминание урны. Ясно структурировано.
GPT-5.6 Sol (med)	10	9	10	9.9	Все факты верны, экраны различены, чёрные корзины упомянуты во мн. числе. Чётко.
GPT-5.6 Terra (low)	10	9	10	9.9	Все факты верны, экраны различены, чёрная урна упомянута. Кратко и грамотно.
GPT-5.6 Terra (high)	10	9	10	9.9	Точный ответ с логотипом/надписью, верное различие экранов и чёрная урна. Ясно.
llama-scout	10	9	9	9.8	Верно опознаны все факты, корректно различены экраны. Урна упомянута, но в ед. числе; формат чуть перегружен.
gemma-4-31b	10	9	9	9.8	Все факты верны, включая чёрные корзины и включённый правый/тёмный левый экран. Кратко и корректно.
diffusion-gemma	10	9	9	9.8	Верно всё: банкоматы Сбербанка, зелёные, три, правый включён/левый тёмный, два ведра с чёрными пакетами.
Nemotron-3-Nano-Omni-30B	10	9	9	9.8	Все факты верны, экраны различены точно, мусорные баки с чёрными пакетами упомянуты.
MiniMax-M3	9	9	9	9.0	Все пять пунктов верны: банкоматы Сбербанка, зелёный цвет, три устройства (два спереди, одно частично слева), включённый правый и тёмный центральный экран, чёрные урны с пакетами. Небольшая неточность в описании рекламы (человек «в белой одежде», хотя футболка зелёная), логотип описан как «галочка», таблички «СНЯТЬ И ВНЕСТИ» не упомянуты.
GPT-5.6 Sol (low)	9	8	10	9.0	Верно всё, экраны различены; урна с пакетом упомянута. Пункт 3 без деталей о частичном устройстве.
GPT-5.6 Terra (med)	9	8	10	9.0	Верно, но пункт 3 без деталей; экраны различены, чёрная урна упомянута.
GPT-5.6 Luna (low)	9	8	9	8.9	Верно опознаны устройства и экраны; урна упомянута без указания цвета/множественности. Лаконично.
GPT-5.6 Luna (med)	9	8	9	8.9	Корректный краткий ответ, экраны различены верно; урна названа обобщённо.
GPT-5.6 Luna (high)	9	8	9	8.9	Все факты верны, но кратко: не уточнены детали, урна названа обобщённо. Экраны различены правильно.

Почти все модели ответили верно; kimi-k2.6 дал самый полный и точный ответ с деталями логотипа и экранов. Luna-варианты чуть беднее деталями.

equipment_нефтегаз_45eab7dc4c — Морская нефтегазовая платформа

equipment · промпт 496 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.0/10

▸Промпт задачи

Перед тобой фотография объекта в открытом море. Ответь на вопросы строго по тому, что видно на снимке: 1) Что это за инженерный объект и для чего он предназначен (отрасль)? 2) Какого цвета крупные вертикальные опорные колонны, удерживающие платформу на плаву, и сколько таких колонн видно над водой? 3) Какие грузоподъёмные/буровые устройства видны на палубе (назови тип)? 4) Что находится в левой части палубы и как ты это опознал по характерному признаку? 5) Видны ли рядом другие плавсредства?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Полный корректный ответ: три жёлтые колонны, вышка и краны, хелидек. Упоминание буквы «H» слегка додумано, но признак (зелёный круг) верен.
llama-scout	9	9	9	9.0	Все факты верны: нефтегаз, три жёлтые колонны, красные краны, хелидек по зелёному кругу, судно вдали. Чистый markdown.
gemma-4-31b	9	8	9	8.9	Кратко и точно: три жёлтые колонны, вышка и краны, хелидек по круглой разметке, судно вдали.
GPT-5.6 Terra (low)	9	8	9	8.9	Корректно: три колонны, краны и вышка, хелидек с «H», судно вдали.
GPT-5.6 Terra (high)	9	8	9	8.9	Верно: три жёлтые колонны, краны и вышка, хелидек по зелёному кругу, судно.
GPT-5.6 Luna (low)	9	8	9	8.9	Корректно: три колонны, краны и вышка, хелидек с «H», судно вдали.
GPT-5.6 Luna (med)	9	8	9	8.9	Верно: три колонны, вышка и краны, хелидек по зелёному покрытию, судно.
GPT-5.6 Luna (high)	9	8	9	8.9	Верно: три жёлтые колонны, деррик и краны, хелидек по зелёному кругу, судно.
Qwen3.6-27B-FP8	9	8	8	8.8	Верно: полупогружная нефтегаз, три жёлтые колонны, деррик и два крана, хелидек, судно. Мелкий глитч «дerrick».
Kimi K2.6	9	8	8	8.8	Детально и верно: педестальные краны, буровая вышка, три жёлтые колонны, хелидек. Мелкий глитч «дERRICK».
Nemotron-3-Nano-Omni-30B	9	7	7	8.6	Все факты верны: три жёлтые колонны, краны и деррик, хелидек, лодка. Грамматика хромает («буровой мачт»).
diffusion-gemma	9	7	5	8.4	Факты верны, но текст испорчен опечатками и обрывками слов («сновываясь», «ко грузовых», «полупогру»).
MiniMax-M3	6	9	9	6.6	Верно опознаны полупогружная нефтегазовая платформа, жёлтый цвет колонн, краны с деррик-вышкой, хелидек по зелёному кругу и судно снабжения вдали. Ключевая ошибка — заявлено 4 колонны над водой вместо трёх реально видимых (плюс неточное "в правой верхней части" о судне).
GPT-5.5 (medium)	6	8	9	6.5	Ошибка: четыре колонны вместо трёх. В остальном корректно (вышка, краны, хелидек, судно).
GPT-5.6 Sol (low)	6	8	9	6.5	Ошибка: четыре колонны вместо трёх. Остальное корректно.
GPT-5.6 Sol (med)	6	8	9	6.5	Ошибка в счёте: четыре колонны вместо трёх. Прочее верно.
GPT-5.6 Terra (med)	6	8	9	6.5	Ошибка: четыре колонны вместо трёх. Остальные факты верны.
GPT-5.5 (low)	6	7	8	6.3	Ошибка в счёте колонн: указано четыре вместо трёх. Остальное верно.

Большинство моделей справились. Лучшие полные и точные ответы — 35b-a3b, llama-scout, kimi-k2.6. GPT-5.5 и часть GPT-5.6 (sol/terra-medium) ошиблись, насчитав четыре колонны вместо трёх.

equipment_нефтегаз_239ec94bbd — Опознать морскую нефтегазовую платформу

equipment · промпт 351 симв. · Победитель: GPT-5.6 Sol (med) · 9.0/10

▸Промпт задачи

Рассмотрите изображение. Что за объект на нём изображён, где он расположен и каково его назначение? Опишите конструкцию: на чём стоит платформа, из скольких опор она состоит, какого цвета окрашена, какие элементы видны на верхнем строении (палубы, лестницы, ограждения, кран/стрела). Оцените видимое состояние конструкции и погодные условия на снимке.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Sol (med)	9	9	9	9.0	Самый полный и точный ответ: устьевая платформа, jacket, опоры, цвет, все элементы, а также тёмные следы обрастания у опор. Погода описана верно.
GPT-5.6 Sol (low)	9	8	9	8.9	Верно всё основное и, что важно, отмечены потемнение/следы морского воздействия у воды. Ясная погода и спокойное море описаны.
Qwen3.6-27B-FP8	8	9	9	8.2	Полный и точный разбор: jacket, опоры, жёлтый цвет, палубы/лестницы/ограждения/кран, спокойное море. Не заметил коррозию у воды.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Верно опознана морская нефтегазовая платформа, жёлтый цвет, сваи-опоры, все элементы верха и погода. Ошибочно назвал конструкцию новой без коррозии, хотя у ватерлинии видны следы.
gemma-4-31b	8	9	9	8.2	Точное опознание, чёткая структура, все элементы и погода описаны верно. Утверждает отсутствие коррозии, что немного расходится с картинкой.
Kimi K2.6	8	9	9	8.2	Детальный и точный разбор с опорами, цветом, всеми элементами верха и погодой. Немного лишнего про жилые помещения, коррозию не выделил.
GPT-5.6 Luna (med)	8	9	9	8.2	Полное структурированное описание с опорами, жёлто-охристым цветом, палубами и краном, ясной погодой. Без упоминания коррозии.
GPT-5.6 Terra (low)	8	8	9	8.1	Точно описаны платформа, опоры, цвет, элементы верха и ясная погода. Коррозия у воды не упомянута.
GPT-5.6 Terra (med)	8	8	9	8.1	Корректное и ясное описание типа, опор, цвета, элементов и спокойной погоды. Без упоминания коррозии.
GPT-5.6 Terra (high)	8	8	9	8.1	Верное опознание, jacket на четырёх ногах, жёлтый цвет, палубы/лестницы/кран, спокойная погода. Коррозия не отмечена.
GPT-5.6 Luna (low)	8	8	9	8.1	Точное и компактное описание платформы, опор, цвета и элементов, спокойное море. Коррозия не упомянута.
GPT-5.6 Luna (high)	8	8	9	8.1	Верное опознание, четыре опоры, жёлто-оранжевый цвет, палубы/лестницы/кран, ясная погода. Коррозия не отмечена.
GPT-5.5 (low)	8	7	9	8.0	Верное опознание платформы, опор, цвета и элементов, спокойная погода. Изложено сплошным текстом, коррозия не отмечена.
GPT-5.5 (medium)	8	7	9	8.0	Корректно и аккуратно описаны тип, опоры, жёлтый цвет, верхнее строение и ясная погода. Формат прозаический, коррозия не упомянута.
diffusion-gemma	8	8	7	7.9	Содержательно верно, все ключевые элементы названы, но есть опечатки ('палубб','колон') и неудачное 'козла' про кран.
MiniMax-M3	7	9	9	7.4	Объект, море, жёлтый цвет, 4 опоры, палубы/лестницы/ограждения/стрела и погода определены верно, но добавлены невидимые детали (решётчатый джакет с диагональными раскосами, «юбочные» элементы) и пропущены следы коррозии/обрастания у ватерлинии («краска свежая»). Структура и русский язык отличные, местами избыточно.
llama-scout	7	8	6	7.0	Основное опознано верно, но в русский текст вставлено английское 'calm', есть лишнее про буровые инструменты. Не отметил коррозию.
Nemotron-3-Nano-Omni-30B	4	7	5	4.4	Ошибочно назвал jack-up rig и выдумал буровой деррик, которого нет. Русский засорён английскими словами (machinery, offshore).

Большинство моделей верно опознали жёлтую морскую нефтегазовую платформу на сваях со всеми элементами; sol-medium полнее всех и единственным заметил следы обрастания у воды. Nemotron слабее всех: ошибочный jack-up/деррик и англицизмы.

equipment_нефтегаз_efe9e7a5b8 — Опознание морской нефтегазовой платформы

equipment · промпт 311 симв. · Победитель: Kimi K2.6 · 9.0/10

▸Промпт задачи

Рассмотрите изображение. Какой тип оборудования/сооружения на нём изображён и в какой среде оно эксплуатируется? Назовите назначение объекта, перечислите минимум три видимых конструктивных элемента (например, опорные конструкции, буровая вышка, кран и т.п.) и опишите видимые погодные/морские условия на снимке.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	9	9	9	9.0	Самый детальный и точный: опоры-пилоны, деррик, поворотный кран, многоярусная декка, штормовое небо и обрушающиеся гребни, без выдумок.
GPT-5.6 Terra (high)	9	9	9	9.0	Сжатый и точный ответ: опоры, центральная вышка, стреловой кран справа, палуба, штормовое небо и гребни.
GPT-5.5 (low)	9	8	9	8.9	Точно и без выдумок: опоры, вышка, модули, крановая стрела, штормовое небо и гребни волн.
GPT-5.5 (medium)	9	8	9	8.9	Аккуратный полный ответ: опоры, палуба, вышка, кран, штормовое море и тёмная облачность, без галлюцинаций.
GPT-5.6 Sol (low)	9	8	9	8.9	Точно и детально: опоры, вышка, палуба, стреловой кран, надстройки, штормовое море и тёмное небо.
GPT-5.6 Sol (med)	9	8	9	8.9	Корректно и подробно: основание на сваях, вышка, кран, модули, крупные волны и плотная облачность.
GPT-5.6 Terra (low)	9	8	9	8.9	Верно: опорные ноги, вышка, кран, палубы, неспокойное море с пеной и тяжёлая облачность.
GPT-5.6 Terra (med)	9	8	9	8.9	Точный ответ: свайные опоры, вышка, кран, палуба, штормовое небо и высокие волны с пеной.
GPT-5.6 Luna (low)	9	8	9	8.9	Точно: стальные опоры, вышка, кран, палубы, штормовые условия и барашки, без выдумок.
GPT-5.6 Luna (med)	9	8	9	8.9	Полный и корректный ответ: опоры, вышка, площадки, кран, сильное волнение и облачность.
Qwen3.6-35B-A3B-FP8	9	8	8	8.8	Точно: деррик, опоры, стреловой кран с тросом в воду, надстройка, штормовое море с барашками; портит опечатка 'дerrick'.
MiniMax-M3	8	9	9	8.2	Объект опознан верно (морская стационарная нефтегазовая платформа на опорах в открытом море), названы вышка-деррик, стреловой кран справа, опорные колонны, многоярусные модули, верно описаны пасмурно-штормовое небо и бурное море с барашками, отмечена полоска суши на горизонте. Минусы: лишняя версия про jack-up, ошибочная формулировка 'удерживающие платформу на плаву' и не вполне надёжное отнесение левой палубы к вертолётной площадке.
llama-scout	8	8	9	8.1	Верно опознала морскую нефтяную платформу, штормовые условия и три реальных элемента (вышка, краны, опоры); анализ чуть беднее, шторм подан осторожно.
Nemotron-3-Nano-Omni-30B	8	8	7	7.9	Верно опознана офшорная платформа, опоры, вышка, кран, шторм; кратко и с опечатками ('буровяя', 'мачт').
GPT-5.6 Luna (high)	8	7	7	7.8	Содержательно верно, но текст подпорчен вставкой '_visibility снижена' с англ. словом.
Qwen3.6-27B-FP8	7	9	9	7.4	Хороший разбор, но приписала вертолётную площадку, которой на снимке чётко не видно — небольшая выдумка.
gemma-4-31b	7	9	9	7.4	Верная идентификация и погода, но снова упомянута несуществующая вертолётная площадка.
diffusion-gemma	7	8	6	7.0	Суть верна, но выдумана вертолётплощадка и много опечаток ('бувых', 'барическая пена', 'остоввание').

Почти все верно опознали штормовую офшорную нефтегазовую платформу; kimi-k2.6 самый детальный и точный без выдумок. Модели с 'вертолётной площадкой' (27b-v2, gemma-4-31b, diffusion-gemma) снижены за недоказанный элемент.

equipment_промышленность_14ef996c95 — Опознание токарного станка с ЧПУ 16ГС32СУ1

equipment · промпт 458 симв. · Победитель: GPT-5.5 (low) · 8.9/10

▸Промпт задачи

На фотографии показана единица промышленного оборудования. Внимательно рассмотрите её и ответьте на вопросы: 1) Какой это тип станка (по конструкции и назначению)? 2) Какая модель и марка (производитель) указаны надписями на корпусе? 3) Перечислите минимум три видимых конструктивных элемента, по которым можно определить тип станка. 4) Каким способом управляется станок — вручную или с числовым программным управлением (ЧПУ), и по какому признаку это видно?

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (low)	9	8	9	8.9	Модель 16ГС32СУ1, Гомель и ОАО ГЗСУ прочитаны верно, ЧПУ обосновано, умно отмечено 'СУ' в обозначении. Отличный ответ.
GPT-5.5 (medium)	9	8	9	8.9	Все факты верны: модель, ГОМЕЛЬ, ОАО ГЗСУ, элементы и признаки ЧПУ. Точно и структурировано.
GPT-5.6 Sol (low)	9	8	9	8.9	Модель 16ГС32СУ1, Гомель/ГЗСУ и оперативная система управления определены верно, элементы полны.
GPT-5.6 Sol (med)	9	8	9	8.9	Максимально полный и точный ответ: модель, ГОМЕЛЬ/ОАО ГЗСУ, трёхкулачковый патрон, оперативная ЧПУ-система. Эталонный разбор.
GPT-5.6 Terra (low)	9	8	9	8.9	Модель 16ГС32СУ1, Гомель и ЧПУ определены верно, элементы полны. Хорошо структурировано.
GPT-5.6 Terra (high)	9	8	9	8.9	Модель, ОАО ГЗСУ и ЧПУ верны, отмечено назначение маховиков. Точный ответ.
GPT-5.6 Luna (med)	9	8	9	8.9	Модель, ГЗСУ и признаки ЧПУ верны, элементы полны. Точно и аккуратно.
GPT-5.6 Luna (high)	9	8	9	8.9	Модель, Гомель/ГЗСУ и ЧПУ верны, грамотно отмечено назначение маховиков для наладки. Глубокий и точный ответ.
Kimi K2.6	8	9	9	8.2	Очень детальный и точный разбор, модель 16ГС32СУ1 верна; производитель как ОАО ГСЗ немного неточно (ГЗСУ). Отличная структура и анализ.
GPT-5.6 Terra (med)	8	8	9	8.1	Модель и тип верны, ЧПУ обосновано, но производитель угадан как 'вероятно СтанкоГомель' вместо точного ОАО ГЗСУ.
llama-scout	8	8	8	8.0	Модель 16ГС32СУ1 и производитель прочитаны верно, элементы и ЧПУ определены правильно. Ошибочно заявлено об отсутствии механических рукояток, хотя маховики есть.
Qwen3.6-35B-A3B-FP8	7	8	9	7.3	Тип, модель, Гомель и ЧПУ верны, но выдумка про 'модификацию 16К20' и неточное 'Гомельстанок' снижают точность.
gemma-4-31b	7	8	8	7.2	Модель 16ГС32СУ1 верна, но производитель прочитан как 'ГСЦ' вместо ГЗСУ. Элементы и ЧПУ определены корректно.
Nemotron-3-Nano-Omni-30B	7	6	4	6.6	Модель и производитель верны, ЧПУ определено, но русский испорчен ('латное станок', 'детателей', 'Хвостовое опора').
MiniMax-M3	6	9	9	6.6	Тип станка, модель 16ГС32СУ1, перечень узлов и вывод о ЧПУ по дисплею и панели — верны, ответ хорошо структурирован. Однако производитель прочитан неверно («ТОМАЛЬ» вместо «ГОМЕЛЬ»), надпись «ОАО ГСУ» не замечена, а расшифровка индекса модели частично домыслена.
Qwen3.6-27B-FP8	6	7	6	6.1	Модель прочитана как '16Г32СУ1' (пропущена С). Странный термин 'Толчок' вместо задней бабки и 'резьбовую шпуровку' портят ответ, хотя ЧПУ определено верно.
diffusion-gemma	6	6	5	5.9	Модель '16ГС32СУ' без последней цифры, производитель искажён ('ГОМЕЛЬЬ'). Много опечаток, но тип и ЧПУ распознаны верно.
GPT-5.6 Luna (low)	4	7	8	4.7	Модель прочитана как '16ГС32У1' и ошибочно заявлено ручное управление — на деле станок с ЧПУ (дисплей MITSUBISHI, координаты X/Z). Серьёзная ошибка по ключевому вопросу.

Группа GPT-5.5/5.6 (sol/luna/terra medium-high) и kimi дали максимально точные ответы; sol-medium выделяется полнотой, точным чтением модели и производителя. Провалилась luna-low, ошибочно назвав станок ручным.

equipment_промышленность_2a352c42e4 — Опознание токарного станка с ЧПУ

equipment · промпт 482 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

Перед вами фотография промышленного оборудования. Определите: 1) Что это за станок и какой вид обработки металла он выполняет? 2) Какой зажимной механизм для заготовки виден в левой части и сколько у него кулачков? 3) Какие габаритные параметры указаны надписью на передней панели станины? 4) Какой управляющий узел расположен в правой части и о чём он говорит относительно типа управления станком? Ответьте кратко по каждому пункту, опираясь только на то, что видно на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Полностью корректно по всем пунктам с правильной интерпретацией Ø500x1000 и трёхкулачкового патрона.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Все четыре пункта верны: токарный с ЧПУ, 3 кулачка, Ø500x1000, панель ЧПУ. Развёрнуто и точно.
Kimi K2.6	10	9	9	9.8	Все четыре пункта точны и лаконичны: токарный, 3 кулачка, Ø500x1000, стойка ЧПУ.
GPT-5.6 Sol (med)	10	9	9	9.8	Корректно по всем пунктам с интерпретацией габаритов.
GPT-5.6 Luna (high)	10	9	9	9.8	Кратко и верно по всем пунктам.
gemma-4-31b	10	8	9	9.7	Все факты верны, но ответ очень лаконичный, без пояснений размеров.
GPT-5.5 (low)	10	8	9	9.7	Все пункты верны, аккуратная осторожная формулировка ('вероятно кулачковый'), 3 кулачка и Ø500x1000 распознаны.
GPT-5.5 (medium)	10	8	9	9.7	Верно по всем пунктам, корректная интерпретация габаритов и ЧПУ.
GPT-5.6 Sol (low)	10	8	9	9.7	Все пункты верны и кратко изложены.
GPT-5.6 Terra (low)	10	8	9	9.7	Все пункты верны, Ø500x1000 и трёхкулачковый патрон распознаны.
GPT-5.6 Terra (med)	10	8	9	9.7	Верно по всем пунктам, три кулачка и Ø500x1000 указаны корректно.
GPT-5.6 Luna (low)	10	8	9	9.7	Все факты верны, включая трёхкулачковый патрон и Ø500x1000.
GPT-5.6 Luna (med)	10	8	9	9.7	Верно: горизонтальный токарный с ЧПУ, 3 кулачка, Ø500x1000.
diffusion-gemma	10	8	7	9.5	Факты верны, но есть опечатка ('Овываясь') и мелкие огрехи русского.
llama-scout	9	9	9	9.0	Верно: трёхкулачковый патрон, 500x1000, ЧПУ. Тип станка описан корректно, хотя ЧПУ упомянут только в п.4.
MiniMax-M3	8	9	7	8.0	Все четыре ключевых факта верны: токарный станок с ЧПУ, трёхкулачковый патрон, Ø500×1000, стойка ЧПУ справа. Снижение за домысленные детали конструкции ('наклонная станина', 'револьверная головка', 'защитное ограждение' — станина плоская горизонтальная) и за опечатку 'токарно-фунциональный центр'.
GPT-5.6 Terra (high)	5	8	9	5.7	Ошибка в считывании габарита: '6500 x 1000' вместо Ø500x1000. Остальные пункты верны.
Nemotron-3-Nano-Omni-30B	2	3	4	2.3	Грубые ошибки: назван расточный/сверлильный станок вместо токарного, кулачки 'не видно'. Сбита нумерация.

Большинство моделей ответили полностью верно; 27b-v2, 35b-a3b и kimi-k2.6 лучшие. Nemotron грубо ошибся с типом станка, terra-high неверно прочитал габарит.

equipment_промышленность_5abbf043df — Опознать станок и тип патрона

equipment · промпт 399 симв. · Победитель: Qwen3.6-27B-FP8 · 9.0/10

▸Промпт задачи

На фотографии — единица промышленного оборудования в цехе. Ответьте на три вопроса строго по изображению: 1) Что это за станок (его тип и обработка какого материала/назначение)? 2) Это станок с ручным управлением или с ЧПУ — по какому признаку видно? 3) Сколько кулачков у зажимного патрона на шпинделе и как такой патрон называется? Кратко опишите видимое состояние оборудования (новое/изношенное).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	9	9	9.0	Точно распознал надпись CNC LATHE, верно назвал ЧПУ, 3 кулачка, новое состояние — самый полный ответ.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Все три ответа верны, обоснование ЧПУ по панели/дисплею корректное, состояние новое.
llama-scout	9	9	9	9.0	Верно: токарный, ЧПУ, 3-кулачковый самоцентрирующийся патрон, новое состояние. Хорошая структура.
Kimi K2.6	9	9	9	9.0	Верно: токарный с ЧПУ, 3-кулачковый самоцентрирующийся патрон, новое состояние. Чёткая структура.
GPT-5.5 (low)	9	8	9	8.9	Верно: токарный по металлу, ЧПУ (заметил маркировку CNC), 3-кулачковый патрон, новое состояние.
GPT-5.5 (medium)	9	8	9	8.9	Все ответы корректны, обоснование ЧПУ и патрона точное, состояние новое.
GPT-5.6 Sol (low)	9	8	9	8.9	Все три ответа верны, обоснование ЧПУ по панели, 3 кулачка, состояние новое.
GPT-5.6 Terra (low)	9	8	9	8.9	Все факты верны, но очень кратко без развёрнутого обоснования.
GPT-5.6 Terra (med)	9	8	9	8.9	Верно: горизонтальный токарный с ЧПУ, 3-кулачковый патрон; допустимая догадка про трубы/длинные детали.
GPT-5.6 Terra (high)	9	8	9	8.9	Верно: горизонтальный токарный с ЧПУ, 3 кулачка, новое состояние.
GPT-5.6 Luna (low)	9	8	9	8.9	Все факты верны, но кратко; отметил упаковочные материалы рядом.
GPT-5.6 Luna (med)	9	8	9	8.9	Верно: токарный с ЧПУ, 3-кулачковый самоцентрирующийся патрон, новое состояние.
GPT-5.6 Luna (high)	9	8	9	8.9	Верно определил горизонтальный токарный с ЧПУ, 3 кулачка, аккуратно оговорил неопределённость материала.
gemma-4-31b	9	7	9	8.8	Все факты верны, но очень кратко и без развёрнутого обоснования, патрон назван без полного термина.
diffusion-gemma	9	8	8	8.8	Верно распознаны тип, ЧПУ и 3-кулачковый патрон; мелкая опечатка ("или из").
GPT-5.6 Sol (med)	9	8	8	8.8	Верно по всем пунктам; мелкая опечатка "раст растачивания".
MiniMax-M3	6	9	9	6.6	Все три главных ответа верны (токарный станок по металлу, ЧПУ, трёхкулачковый самоцентрирующий патрон), состояние оценено правильно. Однако много выдуманных деталей: стойка ЧПУ помещена слева (реально панель с дисплеем справа, слева электрошкаф с клавиатурой), приписаны 'два ЖК-дисплея', 'полностью закрытая рабочая зона с ограждением' и отсутствие маховиков, хотя станок открытого типа и маховик виден.
Nemotron-3-Nano-Omni-30B	1	7	8	2.3	Грубые ошибки: назвал станок вертикальным и выдумал 6 кулачков вместо трёх — фактически на снимке горизонтальный станок с 3-кулачковым патроном.

Подавляющее большинство моделей верно распознали горизонтальный токарный станок с ЧПУ и 3-кулачковым патроном; 27b-v2 дал самый полный ответ, заметив надпись CNC LATHE. Nemotron-omni провалился (вертикальный станок и выдуманные 6 кулачков).

equipment_промышленность_f5d612a26e — Опознание токарного станка с ЧПУ

equipment · промпт 526 симв. · Победитель: Qwen3.6-27B-FP8 · 9.0/10

▸Промпт задачи

На изображении показано промышленное оборудование. Внимательно рассмотрите его и ответьте на вопросы: 1) Что это за станок и к какому типу металлообработки он относится (какую операцию выполняет)? 2) По каким двум-трём визуальным признакам видно, что станок оснащён системой числового программного управления (ЧПУ)? 3) Какой бренд (надпись/логотип) нанесён на корпус и какого цвета фирменная полоса рядом с ним? 4) Каково видимое состояние оборудования — новое/изношенное, есть ли следы эксплуатации, повреждения или ржавчина?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	9	9	9.0	Корректно всё: токарный ЧПУ, точение, три признака (пульт, ручной штурвал, закрытый кожух), KMT и красная полоса, новое состояние.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Точный ответ: токарный ЧПУ, точение, три чётких признака ЧПУ включая маховичок и E-Stop, KMT и красная полоса, новое состояние. Мелкая неточность в цвете буквы M.
gemma-4-31b	9	9	9	9.0	Верно определён токарный ЧПУ-станок, точение, три признака ЧПУ, KMT и красная полоса, новое состояние. Не упомянут выносной пульт.
Kimi K2.6	9	9	9	9.0	Наиболее полный и точный ответ: токарный ЧПУ, точение, три признака включая ручной генератор импульсов, KMT и красная полоса, новое каталожное состояние.
GPT-5.6 Sol (med)	9	9	9	9.0	Полный и точный: токарный ЧПУ, точение, три признака включая выносной пульт, KMT и красная полоса, новое состояние.
GPT-5.5 (low)	9	8	9	8.9	Точно: горизонтальный токарный ЧПУ, точение, признаки ЧПУ, KMT и красная полоса, новое состояние.
GPT-5.5 (medium)	9	8	9	8.9	Корректный ответ по всем пунктам: токарный ЧПУ, признаки управления, KMT и красная полоса, новое состояние.
GPT-5.6 Sol (low)	9	8	9	8.9	Точный ответ: токарный ЧПУ, точение, признаки ЧПУ, KMT и красная полоса, новое каталожное состояние.
GPT-5.6 Terra (med)	9	8	9	8.9	Корректно: токарный ЧПУ, точение, признаки управления, KMT и красная полоса, новое состояние.
GPT-5.6 Terra (high)	9	8	9	8.9	Верно: токарный ЧПУ, точение, признаки ЧПУ включая подвесной пульт, KMT и красная полоса, новое состояние.
GPT-5.6 Luna (low)	9	8	9	8.9	Корректно по всем пунктам: токарный ЧПУ, признаки управления, KMT и красная полоса, новое состояние.
GPT-5.6 Luna (high)	9	8	9	8.9	Верно: горизонтальный токарный ЧПУ, точение, признаки ЧПУ, KMT и красная полоса, новое состояние.
llama-scout	8	9	9	8.2	Верно определён токарный ЧПУ-станок, KMT и красная полоса, новое состояние. Слабее раскрыты признаки ЧПУ (нет пульта-маховичка, аварийной кнопки), цвет логотипа описан неточно, домысел про плёнки.
MiniMax-M3	8	9	9	8.2	Верно определён токарный станок с ЧПУ, корректно названы три признака ЧПУ (дисплей, клавиатурный пульт, выносной пульт на витом кабеле), логотип KMT и красная полоса, состояние — новое без ржавчины. Небольшие домыслы: детальные утверждения о патроне за окном и его отсутствии следов приработки, а также о наклонной станине, которые на фото не различимы.
GPT-5.6 Terra (low)	8	8	9	8.1	Ответ корректен, но домысел про защитную упаковку на пульте; остальное точно.
GPT-5.6 Luna (med)	8	8	9	8.1	Всё верно, но домысел про упаковочную плёнку, которой на фото не видно; в остальном точно.
diffusion-gemma	8	8	6	7.8	Содержательно всё верно, но заметно испорченный русский (опечатки, обрывы слов 'операцияция', 'выносной се на проводе').
Nemotron-3-Nano-Omni-30B	7	7	5	6.8	Суть верна (токарный ЧПУ, маховичок, KMT, красная полоса, новое), но формулировка 'расточная станок', вставки английских слов (turning, Pendant) и грамматические ошибки.

Почти все модели дали верный ответ. Победитель kimi-k2.6 — самый полный и точный разбор; ниже всех nemotron-omni из-за слабого русского и формулировок.

equipment_промышленность_da1337be8e — Опознать станок DMC DL 21LMA

equipment · промпт 463 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.0/10

▸Промпт задачи

На фото изображён промышленный станок. Ответьте на вопросы строго по тому, что видно на изображении: 1) Что это за тип оборудования и его основное назначение? 2) Какой бренд и модель указаны на корпусе (прочитайте надпись)? 3) Перечислите видимые элементы управления и сигнализации (что находится на пульте справа и что установлено сверху станка). 4) Оцените видимое состояние оборудования (новое/изношенное, есть ли загрязнения, повреждения, следы эксплуатации).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Точно: токарный ЧПУ, FFG DMC DL 21LMA, три секции колонны красный/жёлтый/зелёный, аварийная кнопка, верная оценка нового состояния и каталожного фона.
Kimi K2.6	9	9	9	9.0	Точно определены токарный ЧПУ, FFG DMC DL 21LMA, колонна красный/жёлтый/зелёный, аварийная кнопка и новое каталожное состояние.
GPT-5.6 Terra (med)	9	9	9	9.0	Точно и компактно: токарный ЧПУ, FFG DMC DL 21LMA, колонна красный/жёлтый/зелёный, аварийная кнопка, новое состояние.
GPT-5.6 Terra (high)	9	9	9	9.0	Точно: токарный ЧПУ, FFG DMC DL 21LMA, колонна красный/жёлтый/зелёный, аварийная кнопка, верная оценка нового состояния.
GPT-5.5 (low)	8	8	9	8.1	Тип, FFG DMC DL 21LMA и состояние верны; цвет колонны слегка размыт ('зеленовато-синий'), но с оговоркой. Кратко, но точно.
GPT-5.6 Sol (low)	8	8	9	8.1	Полно и верно: тип, FFG DMC DL 21LMA, пульт с аварийкой, состояние; цвет колонны с оговоркой 'зелёно-бирюзовый'.
GPT-5.6 Terra (low)	8	8	9	8.1	Верно тип, бренд/модель, три цвета колонны, аварийка; мелкая оговорка про 'лёгкие следы наладки'.
GPT-5.6 Luna (low)	8	8	9	8.1	Всё основное верно: тип, бренд/модель, три цвета колонны, аварийка, чистое состояние. Сжато и корректно.
GPT-5.6 Luna (med)	8	8	9	8.1	Верно тип, бренд/модель, состояние; цвет колонны слегка размыт ('зелёно-бирюзовый').
GPT-5.6 Luna (high)	8	8	9	8.1	Тип, FFG DMC DL 21LMA и состояние верны; цвет колонны с оговоркой 'зелёный/бирюзовый'. Аккуратно и осторожно.
GPT-5.5 (medium)	8	8	8	8.0	Верно тип, бренд/модель, состояние; мелкие неточности: 'красно-жёлтая аварийная кнопка' и 'зелёно-синий' сегмент.
diffusion-gemma	8	8	6	7.8	Бренд/модель и колонна верны, но добавлены лишние операции (фрезерование/сверление) и много орфографических ошибок ('многоветовая', 'свердления', 'катажных').
GPT-5.6 Sol (med)	7	8	8	7.2	Основное верно, но добавлены сомнительные 'небольшие пятна или следы эксплуатации', что противоречит чистому виду; цвет колонны размыт.
Qwen3.6-27B-FP8	6	8	9	6.5	Всё верно кроме бренда: прочитан как 'FFS DMC' вместо FFG. Модель, колонна и состояние определены корректно.
gemma-4-31b	6	8	9	6.5	Бренд неверно прочитан как 'TFG DMC' вместо FFG. Остальное (модель, колонна, аварийка, состояние) верно.
Nemotron-3-Nano-Omni-30B	7	5	3	6.4	Бренд/модель и колонна верны, но текст засорён китайскими иероглифами и англицизмами, тип назван путано ('фрезерный/турнирный'). Русский плохой.
MiniMax-M3	5	8	8	5.6	Тип (токарный ЧПУ), модель DL 21LMA, пульт с E-Stop, сигнальная колонна и состояние 'новый' определены верно, но бренд прочитан как просто 'DMC' с выдуманными иероглифами 大族 и приписыванием китайскому производителю Dazu — логотип FFG пропущен, что является галлюцинацией. Также лишние домыслы про 'синюю секцию' колонны и 'восстановленный образец'.
llama-scout	4	8	8	4.8	Тип ошибочно расширен до токарно-фрезерного, выдуман четвёртый голубой сегмент колонны и 'два дисплея', плюс фантазийная расшифровка бренда. Есть галлюцинации.

Лучшие полностью верные ответы у 35b-a3b, kimi-k2.6, terra-high и terra-medium; 35b-a3b наиболее полон и точен. Частые ошибки: неверное прочтение бренда (FFS/TFG) и выдуманный синий/бирюзовый сегмент колонны.

equipment_промышленность_a7c8b3e67e — Опознание токарного станка с ЧПУ

equipment · промпт 518 симв. · Победитель: Kimi K2.6 · 9.0/10

▸Промпт задачи

Рассмотрите изображение промышленного оборудования. Ответьте на три вопроса, опираясь только на то, что видно на фото: 1) Какой это тип станка по назначению (что он обрабатывает и каким способом)? 2) По каким минимум двум видимым признакам можно понять, что станок оснащён системой ЧПУ (числовым программным управлением)? 3) В каком видимом состоянии находится оборудование — новое/чистое или изношенное (есть ли следы коррозии, грязи, повреждений)? Назовите элемент справа на шпинделе, в котором зажимается заготовка.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	9	9	9	9.0	Полный и точный ответ: токарный с ЧПУ, метод точения, два признака, новое состояние, трёхкулачковый патрон.
Qwen3.6-27B-FP8	9	8	9	8.9	Верно всё: тип, признаки ЧПУ, новое состояние, трёхкулачковый самоцентрирующий патрон.
Qwen3.6-35B-A3B-FP8	9	8	9	8.9	Точно определён токарный с ЧПУ, признаки, состояние и трёхкулачковый патрон. Полный и грамотный ответ.
GPT-5.5 (medium)	9	8	9	8.9	Точный ответ: тип, несколько признаков ЧПУ, состояние, трёхкулачковый патрон.
GPT-5.6 Sol (low)	9	8	9	8.9	Точно: токарный по металлу, признаки ЧПУ, новое состояние, трёхкулачковый патрон.
GPT-5.6 Sol (med)	9	8	9	8.9	Верно: тип, признаки, состояние, токарный патрон. Хорошо структурировано.
GPT-5.6 Terra (med)	9	8	9	8.9	Верно всё: токарный с ЧПУ, признаки, новое состояние, трёхкулачковый патрон.
GPT-5.6 Terra (high)	9	8	9	8.9	Верно: токарный, признаки ЧПУ, новое состояние, кулачковый патрон.
GPT-5.6 Luna (low)	9	8	9	8.9	Тип, признаки, состояние и трёхкулачковый патрон верны. Компактный ответ.
GPT-5.6 Luna (med)	9	8	9	8.9	Верно: токарный с ЧПУ, признаки, состояние, кулачковый патрон.
GPT-5.6 Luna (high)	9	8	9	8.9	Верно всё, включая трёхкулачковый патрон. Кратко, но точно.
MiniMax-M3	8	9	9	8.2	Верно определён токарный станок с ЧПУ, названы 2+ признака ЧПУ, состояние (новое/чистое, каталожное фото) и токарный кулачковый патрон на шпинделе. Мелкие неточности: показания дисплея описаны как «00.000» (на фото другие числа), патрон не назван трёхкулачковым и не указано, что он слева.
gemma-4-31b	8	8	9	8.1	Тип, признаки и состояние верны; патрон назван без уточнения. Ответ короткий, но точный.
GPT-5.5 (low)	8	8	9	8.1	Верно: токарный, признаки ЧПУ, новое состояние, токарный патрон. Аккуратно и по делу.
GPT-5.6 Terra (low)	8	8	9	8.1	Тип, признаки и состояние верны; патрон назван без уточнения кулачковости.
llama-scout	8	8	8	8.0	Верно: токарный с ЧПУ, состояние новое, патрон. Признаки ЧПУ корректны, но патрон не уточнён как трёхкулачковый.
diffusion-gemma	5	7	5	5.2	Тип и состояние верны, но зажимной элемент назван «кулак» вместо патрона — ошибка. Есть опечатки («перемещения судна»).
Nemotron-3-Nano-Omni-30B	2	6	5	2.7	Не назван токарный тип, описание похоже на фрезерный; зажимной элемент ошибочно назван «шпиндель», а не патрон. Опечатки.

Большинство моделей точно определили токарный станок с ЧПУ и трёхкулачковый патрон; kimi-k2.6 дал наиболее полный и аккуратный ответ. Провал у nemotron-omni (не токарный, шпиндель вместо патрона) и слабо у diffusion-gemma («кулак»).

equipment_нефтегаз_1f98012142 — Морская нефтегазовая платформа в фьорде

equipment · промпт 578 симв. · Победитель: gemma-4-31b · 9.0/10

▸Промпт задачи

Внимательно рассмотрите изображение. Это акватория (фьорд с островами и горами на заднем плане), в которой ведутся морские работы. Ответьте на вопросы: 1) Какой тип крупного нефтегазового сооружения изображён в центре/правой части снимка — назовите конструкцию опор и материал, из которого они сделаны. 2) Что происходит в левой части кадра и какая строительная техника там работает (укажите цвет и количество)? 3) Сколько примерно вспомогательных судов (буксиров/судов снабжения) видно на воде и какова их роль в этой сцене? Обоснуйте ответы тем, что реально видно на картинке.

Модель	C	F	Ru	Σ	Комментарий судьи
gemma-4-31b	9	9	9	9.0	Точно: GBS, конические бетонные ноги без свай, два жёлтых крана, ~8-10 судов, с корректным обоснованием по цвету и форме.
MiniMax-M3	9	9	9	9.0	Верно опознана бетонная гравитационная платформа типа Condeep, стройплощадка с двумя жёлтыми башенными кранами и ~8-10 буксиров/судов снабжения с правильной ролью. Небольшие вольности: сухой док/слип на берегу и детализация типов судов (лоцманские катера, баржи) отчасти домыслены.
Kimi K2.6	8	9	9	8.2	Отлично: GBS, отличие от стального джекета, тросовые линии буксировки, ~10-12 судов; лишь кранов насчитано три вместо двух.
GPT-5.6 Terra (high)	8	9	9	8.2	Точно и лаконично: бетонное гравитационное основание, ~10-12 судов; кранов три вместо двух.
GPT-5.6 Sol (low)	8	8	9	8.1	Гравитационная бетонная платформа с отличием от стали, ~10-12 судов, хорошее обоснование; кранов три вместо двух.
GPT-5.6 Sol (med)	8	8	9	8.1	Condeep/GBS верно, суда и роль корректны; кранов три вместо двух — небольшой промах.
GPT-5.6 Terra (low)	8	8	9	8.1	Гравитационные бетонные опоры и два жёлтых крана верно, суда 12-14 слегка завышены.
GPT-5.6 Terra (med)	8	8	9	8.1	Бетонные опоры-колонны, отличие от плавучего судна и от стали верно; кранов три вместо двух.
GPT-5.6 Luna (high)	8	8	9	8.1	Гравитационная бетонная платформа верно, верно опознаны боновые линии, а не суда; кранов три вместо двух.
GPT-5.5 (low)	7	8	9	7.3	Гравитационная бетонная платформа верно, ~10-12 судов с хорошим обоснованием; кранов насчитано три вместо двух.
GPT-5.5 (medium)	7	8	9	7.3	Гравитационное бетонное основание верно, но кранов три (один тёмный) вместо двух жёлтых; суда и роль описаны корректно.
GPT-5.6 Luna (low)	7	8	9	7.3	Тип и материал верны, но кранов три и судов завышено (15-20).
Qwen3.6-27B-FP8	6	8	9	6.5	Гравитационное бетонное основание опознано верно, два жёлтых крана верно, но конкретная привязка к Troll A — выдумка.
GPT-5.6 Luna (med)	6	8	9	6.5	Гравитационное бетонное основание верно, но кранов насчитано четыре вместо двух, судов 12-15 завышено.
Qwen3.6-35B-A3B-FP8	6	7	8	6.3	Condeep и железобетонные колонны верно, но «обеспечивают плавучесть» неверно для гравитационной платформы; кранов насчитано три (один красный) вместо двух жёлтых.
diffusion-gemma	6	7	6	6.1	Конусные бетонные опоры верно, но кранов три вместо двух; заметны опечатки (строщиеся, маломер), русский слабее.
llama-scout	5	7	8	5.5	Бетон опор указан верно, но тип назван TLP/натяжные опоры — это ошибка, платформа гравитационного типа. Кранов три (реально два), обоснования почти нет.
Nemotron-3-Nano-Omni-30B	4	4	7	4.3	Назвал платформу плавучей на четырёх опорах — оба факта неверны; два крана верно, но пункт 2 задублирован, судов занижено (7).

Большинство верно опознали бетонную гравитационную платформу и стройплощадку. gemma-4-31b точнее всех: GBS, два жёлтых крана и корректное обоснование.

equipment_нефтегаз_40657ac4a7 — Опознать морскую нефтегазовую платформу

equipment · промпт 605 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.1/10

▸Промпт задачи

Перед вами фотография промышленного объекта в нефтегазовой отрасли. Ответьте на вопросы, опираясь ТОЛЬКО на то, что видно на изображении: 1) Какой тип объекта изображён и где он расположен (на суше или в море)? 2) Какой цвет преобладает в окраске основных конструкций и палуб платформы? 3) Какой характерный высокий элемент возвышается в центре конструкции и какого он цвета? 4) Опишите видимое состояние объекта: есть ли признаки аварии (огонь, дым, разрушения, крен) или объект выглядит целым? 5) Что необычного в композиции самого снимка (подсказка: обратите внимание на левую и правую половины кадра)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	9	9	10	9.1	Всё верно: морская платформа, жёлтый, две красные вышки, целое состояние без аварии, чётко описана зеркальная симметрия и вывод об ИИ-генерации.
gemma-4-31b	9	9	10	9.1	Компактно и точно: жёлтый+красный, красная вышка, целое без аварии, зеркальная симметрия.
MiniMax-M3	9	9	10	9.1	Все пять пунктов эталона переданы верно: морская платформа, жёлтая окраска, красный решётчатый деррик по центру, целое состояние без аварии и зеркальная симметрия кадра. Мелкая неточность — водяной знак назван 'Magnetic' вместо 'Magnific'.
GPT-5.5 (medium)	9	8	10	9.0	Верно по всем пунктам: жёлто-красный, красная вышка, целое без аварии, зеркальная симметрия.
GPT-5.6 Terra (low)	9	8	10	9.0	Все пункты верны: жёлтый+красный, красная вышка, целое, зеркальные половины.
GPT-5.6 Terra (med)	9	8	10	9.0	Верно по всем пунктам, включая целое состояние без аварии и зеркальную симметрию.
GPT-5.6 Terra (high)	9	8	10	9.0	Кратко и точно: жёлтый, красные вышки, целое без аварии, зеркальная симметрия.
diffusion-gemma	9	8	8	8.8	Все пункты верны, включая целое состояние и зеркальность; мелкая опечатка в начале ('сновываясь').
Qwen3.6-27B-FP8	8	8	9	8.1	Верно: жёлтый, красная вышка, целое, зеркальная симметрия; лёгкий перегиб про 'заброшенность/изношенность', но авария отвергнута.
llama-scout	8	8	9	8.1	Верно определены тип, две красные фермы, целое состояние и зеркальность; цвет размыт до жёлтый/красный/оранжевый.
GPT-5.6 Sol (low)	8	8	9	8.1	Верно: жёлтый+красный, красная вышка, аварии нет ('местами похожа на изношенную' как оговорка), зеркальность.
Nemotron-3-Nano-Omni-30B	8	8	8	8.0	Верно: жёлтый, две красные вышки, целое, зеркальные половины; неточности 'плавающая' и 'вышки-краны'.
GPT-5.6 Sol (med)	7	8	9	7.3	В основном верно и авария отвергнута, но 'местами деформированными' слегка размывает целостность; тип, цвет, красная вышка, симметрия верны.
GPT-5.5 (low)	4	8	9	4.9	Ошибка по п.4: утверждает 'сильно повреждённый, разрушенные конструкции', тогда как объект целый; остальное верно.
Kimi K2.6	4	8	9	4.9	Ошибка по п.4: 'состояние близко к аварийному/заброшенному, не выглядит целой', пена принята за дым; тип, цвет, красные вышки и симметрия верны.
GPT-5.6 Luna (low)	4	8	9	4.9	Ошибка по п.4: 'сильно разрушена, обломки', тогда как объект целый; остальное корректно.
GPT-5.6 Luna (med)	4	8	9	4.9	Ошибка по п.4: 'сильные разрушения и обломки', объект же исправен; тип, цвет, вышка, симметрия верны.
GPT-5.6 Luna (high)	4	8	9	4.9	Ошибка по п.4: 'сильные разрушения, объект не выглядит целым', хотя он исправен; прочее верно.

Лучшие ответы у моделей, верно указавших целое состояние без аварии; 35b-a3b даёт самый полный и точный разбор с выводом об ИИ-генерации. Группа gpt-5.6-luna, gpt-5.5-low и kimi ошибочно объявили платформу разрушенной/аварийной.

equipment_нефтегаз_84d9dd7dd3 — Опознать морскую буровую платформу

equipment · промпт 357 симв. · Победитель: GPT-5.6 Sol (med) · 9.8/10

▸Промпт задачи

Внимательно рассмотрите изображение. Что это за объект нефтегазовой отрасли изображён на фото, к какому типу морских буровых установок он относится по конструкции (с учётом видимых опор/ног) и каково его назначение? Какое название написано на оранжевом корпусе установки? Перечислите также все вспомогательные транспортные средства, которые видны на снимке.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Sol (med)	10	9	9	9.8	Лучший ответ: корректно трёхопорная jack-up, отличил вышку от опоры, назначение, название и вся техника.
gemma-4-31b	9	9	9	9.0	Кратко и точно: СПБУ, назначение, название 'АРКТИЧЕСКАЯ', вертолёт и судно обеспечения.
GPT-5.5 (low)	9	9	9	9.0	Верно: jack-up, назначение, название, вертолёт, судно, дополнительно замечена спасательная шлюпка.
GPT-5.5 (medium)	9	9	9	9.0	Точный и полный ответ: СПБУ/jack-up, назначение, название, вертолёт, судно и шлюпка.
Kimi K2.6	9	9	9	9.0	Верно определены jack-up/СПБУ, назначение, название и оба вспомогательных средства.
GPT-5.6 Sol (low)	9	9	9	9.0	Верно: СПБУ jack-up, назначение, название, вертолёт, судно и шлюпка; 'четыре ноги' — небольшая неточность.
GPT-5.6 Terra (low)	9	9	9	9.0	Точно: СПБУ jack-up, назначение, название, вертолёт и судно снабжения.
GPT-5.6 Terra (med)	9	9	9	9.0	Верно: трёхопорная jack-up, назначение, название, вертолёт и судно/катер.
GPT-5.6 Terra (high)	9	9	9	9.0	Верно определён jack-up, назначение, название, вертолёт, судно и шлюпка; 'четыре ноги' спорно.
GPT-5.6 Luna (low)	9	9	9	9.0	Верно определён jack-up, назначение, название и оба транспорта; чуть короче анализ.
GPT-5.6 Luna (med)	9	9	9	9.0	Точный ответ: jack-up, назначение, название, вертолёт и судно/катер.
GPT-5.6 Luna (high)	9	9	9	9.0	Точно: самоподъёмная установка, назначение, название, вертолёт и судно снабжения.
MiniMax-M3	8	9	9	8.2	Верно определён тип (самоподъёмная/jack-up), назначение, прочитано «АРКТИЧЕСКАЯ», названы вертолёт и судно обеспечения. Минусы: судно описано как «с белым корпусом» (оно оранжево-красное) и добавлена выдумка про «подвешенные на тросах грузы/контейнеры» под вертолётной площадкой.
Qwen3.6-27B-FP8	8	8	9	8.1	Верно определена самоподъёмная (jack-up) установка, назначение, название и оба транспорта; лёгкая неточность про 'плавающее состояние'.
diffusion-gemma	8	8	7	7.9	Тип jack-up, назначение, название и техника верны; есть опечатка 'самоподъемная плаву'.
Qwen3.6-35B-A3B-FP8	3	8	9	4.1	Название и техника верны, но тип грубо ошибочен: назвал полупогружной и явно противопоставил jack-up.
llama-scout	3	8	9	4.1	Название и техника (вертолёт, катер) верны, но тип определён неверно: 'стационарная платформа с натяжными опорами' вместо самоподъёмной jack-up.
Nemotron-3-Nano-Omni-30B	0	0	0	0.0	Содержимое бессмысленно ('- the other 3'), ответа по существу нет.

Большинство GPT-5.6 и gemma/kimi верно определили самоподъёмную jack-up, название и технику; sol-medium точнее всех (3 опоры, отличил вышку). llama-scout и 35b-a3b ошиблись в типе, nemotron-omni пустой.

Извлечение полей (KIE)

kie_банки_8044f2110b — Реквизиты бланка приходного кассового ордера (КО-1)

kie · промпт 465 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На изображении — типовой бланк бухгалтерского документа. Внимательно рассмотрите печатный текст в верхней части бланка и ответьте на три вопроса: 1) Как называется этот документ (его основное наименование, набранное крупным шрифтом слева)? 2) Какой номер унифицированной формы у него указан и какой код проставлен в графе «Форма по ОКУД»? 3) Каким постановлением и какого органа утверждён бланк, с какой датой? Ответьте только тем, что реально напечатано на бланке.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все три пункта совпадают с эталоном: «ПРИХОДНЫЙ КАССОВЫЙ ОРДЕР», форма № КО-1 и код ОКУД 0310001, постановление Госкомстата России от 18.08.98 № 88. Галлюцинаций нет, дополнительно верно отмечено, что графа «по ОКПО» не заполнена.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три факта верны, чёткое оформление с выделением ключевых данных.
llama-scout	10	9	10	9.9	Все факты верны, аккуратная структурированная подача с разбивкой органа/даты/номера.
GPT-5.5 (low)	10	9	10	9.9	Все три факта верны, ясное форматирование, без галлюцинаций.
GPT-5.5 (medium)	10	9	10	9.9	Все факты верны, чёткий лаконичный ответ.
Kimi K2.6	10	9	10	9.9	Все три факта верны, аккуратное развёрнутое оформление.
GPT-5.6 Sol (low)	10	9	10	9.9	Все три факта верны, без выдумок.
GPT-5.6 Sol (med)	10	9	10	9.9	Все три факта верны, ясный ответ.
GPT-5.6 Terra (low)	10	9	10	9.9	Все факты верны, корректно и лаконично.
GPT-5.6 Terra (med)	10	9	10	9.9	Все три факта верны, ясное оформление.
GPT-5.6 Terra (high)	10	9	10	9.9	Все факты верны, аккуратное форматирование.
GPT-5.6 Luna (low)	10	9	10	9.9	Все факты верны, корректный лаконичный ответ.
GPT-5.6 Luna (med)	10	9	10	9.9	Все факты верны, чёткое оформление.
GPT-5.6 Luna (high)	10	9	10	9.9	Все факты верны, ясная структура.
Qwen3.6-27B-FP8	10	8	10	9.8	Все три факта верны: ПКО, КО-1, 0310001, Госкомстат 18.08.98 № 88. Ответ лаконичный, без выдумок.
diffusion-gemma	10	8	9	9.7	Все факты верны; лёгкая обрезка в начале текста, но содержание корректное.
gemma-4-31b	3	8	9	4.1	Наименование, форма и ОКУД верны, но постановление указано неверно: 10.08.98 № 58 вместо 18.08.98 № 88.
Nemotron-3-Nano-Omni-30B	1	1	1	1.0	Ответ обрывочный и искажённый (03100310001, англ. фразы), наименование не названо, факты перевраны.

Большинство моделей дали все три факта верно; llama-scout, 35b-a3b и kimi выделяются самой аккуратной структурой. Gemma переврала постановление, nemotron выдал искажённый нечитаемый ответ.

kie_банки_c06ad4f209 — Извлечение полей платёжного поручения и проверка суммы

kie · промпт 389 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

Перед вами платёжное поручение. Внимательно рассмотрите документ и ответьте на вопросы, используя только данные с изображения: 1) Номер и дата платёжного поручения. 2) ИНН и КПП плательщика, а также его наименование. 3) Сумма платежа цифрами (поле «Сумма») и сумма прописью. 4) Совпадает ли сумма прописью с суммой, указанной цифрами? Ответ обоснуйте. 5) Наименование получателя и его ИНН.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все проверяемые факты извлечены верно: № 000139, 12.09.2016, ИНН/КПП плательщика, ООО «Колокольчик», 5312= и пропись, получатель УФК по Московской области с ИНН 5647382956. Обоснование совпадения суммы дано с корректной поразрядной арифметикой, оформление и русский язык безупречны.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все данные верны, добавлен адрес плательщика, корректный вывод о совпадении сумм.
GPT-5.5 (low)	10	9	10	9.9	Все поля точны, чёткое обоснование совпадения сумм 5312=.
GPT-5.5 (medium)	10	9	10	9.9	Все данные верны, лаконичное и точное обоснование.
Kimi K2.6	10	10	9	9.9	Все поля верны, хорошая структура; мелкая небрежность «5312 рубля».
GPT-5.6 Sol (low)	10	9	10	9.9	Все данные верны, вывод о совпадении сумм корректен.
GPT-5.6 Sol (med)	10	9	10	9.9	Все поля точны, чёткое обоснование с указанием копеек.
GPT-5.6 Terra (low)	10	9	10	9.9	Все поля точны, корректный вывод о совпадении сумм.
GPT-5.6 Terra (med)	10	9	10	9.9	Все данные верны, максимально сжато и точно.
GPT-5.6 Terra (high)	10	9	10	9.9	Все данные верны, лаконичный и правильный ответ.
GPT-5.6 Luna (low)	10	9	10	9.9	Все поля верны, аккуратное обоснование по копейкам.
GPT-5.6 Luna (high)	10	9	10	9.9	Все данные точны, корректный вывод о совпадении сумм.
llama-scout	10	9	9	9.8	Все поля прочитаны верно, вывод о совпадении сумм правильный. Мешают лишь LaTeX-обёртки $...$ вокруг чисел.
diffusion-gemma	10	9	8	9.7	Все данные верны, вывод правильный; мелкие опечатки («Сопадает», «словной»).
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Все факты верны, приведён явный расчёт 5000+300+12=5312, подтверждающий совпадение.
Qwen3.6-27B-FP8	8	9	9	8.2	Все ключевые факты верны, но наименование плательщика искажено как «Кококольчик» (опечатка/ошибка OCR).
GPT-5.6 Luna (med)	6	9	9	6.6	Данные верны, но наименование плательщика грубо искажено как «Коллоктикс» вместо ООО «Колокольчик».
gemma-4-31b	2	8	8	3.2	Выдумана сумма прописью «Пять тысяч сто тринадцать» и ошибочный вывод о несовпадении сумм; КПП тоже искажён (67110011).

Большинство моделей справились безупречно; 35b-a3b дал полный и точный ответ с адресом плательщика. gemma-4-31b провалилась (выдумка суммы прописью и неверный вывод), luna-medium и 27b-v2 исказили наименование плательщика.

kie_банки_d446273175 — Извлечение полей платёжного поручения и проверка НДС

kie · промпт 612 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед вами образец заполнения платёжного поручения (банковский документ). Внимательно рассмотрите изображение и ответьте на вопросы, опираясь ТОЛЬКО на то, что реально видно в документе: 1) Укажите номер платёжного поручения и его дату. 2) Какова сумма платежа цифрами (поле «Сумма»)? 3) Приведите наименование, ИНН и КПП плательщика. 4) Приведите наименование, ИНН и КПП получателя. 5) Из назначения платежа выпишите указанную сумму НДС. Проверьте арифметику: соответствует ли указанный НДС ставке 18% от общей суммы платежа (то есть НДС = Сумма × 18/118)? Покажите расчёт и сделайте вывод, верна ли сумма НДС.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все реквизиты и стороны верны, расчёт НДС корректен и подробен.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все данные точны, НДС посчитан верно; грамотно отмечена путаница поля «Плательщик» с банком.
GPT-5.5 (low)	10	9	10	9.9	Все данные и расчёт НДС верны, вывод корректен.
GPT-5.5 (medium)	10	9	10	9.9	Все реквизиты точны, НДС посчитан правильно.
Kimi K2.6	10	9	10	9.9	Все данные точны, расчёт НДС аккуратный и верный.
GPT-5.6 Sol (med)	10	9	10	9.9	Все реквизиты и стороны верны, расчёт НДС корректен.
GPT-5.6 Terra (med)	10	9	10	9.9	Все данные точны, расчёт и вывод по НДС корректны.
gemma-4-31b	10	8	10	9.8	Все данные точны, расчёт НДС верный, ответ сжатый и корректный.
diffusion-gemma	10	8	10	9.8	Все реквизиты и НДС распознаны и посчитаны верно.
MiniMax-M3	9	10	10	9.2	Все запрошенные поля (№34, 23.07.2013, 150000-00, ИНН/КПП обеих сторон, НДС 22881,36) распознаны верно, расчёт 150000×18/118 показан и вывод правильный. Единственная ошибка — в добровольно добавленных деталях перепутаны банки: Сбербанк на картинке является банком плательщика, а Кредитбанк — банком получателя.
llama-scout	6	9	9	6.6	Плательщик назван банком «ОАО Сбербанк России» вместо ООО «Звезда» — ошибка в стороне. Остальные данные и расчёт НДС верны.
GPT-5.6 Sol (low)	6	8	10	6.6	Плательщик назван банком «Сбербанк» вместо ООО «Звезда»; остальные данные и НДС верны.
GPT-5.6 Luna (high)	6	8	10	6.6	Плательщик назван банком «Сбербанк» вместо ООО «Звезда»; прочее и НДС верны.
GPT-5.6 Terra (low)	5	8	10	5.8	ИНН плательщика искажён (5507655545 вместо 5507655454); остальное верно.
GPT-5.6 Terra (high)	5	8	10	5.8	ИНН плательщика искажён (5507655545 вместо 5507655454); прочее и НДС верны.
GPT-5.6 Luna (low)	5	8	10	5.8	ИНН получателя искажён (7713445555 вместо 7713444555); остальное и НДС верны.
GPT-5.6 Luna (med)	5	8	10	5.8	ИНН получателя искажён (7713445555 вместо 7713444555); прочее верно.
Nemotron-3-Nano-Omni-30B	3	8	9	4.1	Плательщик назван банком, получатель как «ОАО» вместо «ООО»; ошибочный вывод о «неверной ставке 18%», хотя НДС сходится.

Несколько моделей идеальны; 35b-a3b выделяется точностью и грамотным замечанием о путанице поля «Плательщик» с банком. Частые ошибки конкурентов — подмена плательщика банком и искажение цифр ИНН; nemotron ошибочно объявил ставку неверной.

kie_банки_92776addda — Поля бланка платёжного поручения и их номера

kie · промпт 589 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед вами бланк платёжного поручения (Приложение 3 к Положению Банка России от 29 июня 2021 года № 762-П). Это пустой шаблон: вместо значений в полях стоят номера в скобках. Внимательно рассмотрите изображение и ответьте: 1) Какой номер в скобках стоит рядом с надписью «Сумма прописью»? 2) Какие номера стоят в полях «ИНН» — их два, у плательщика (верхний блок) и у получателя (нижний блок)? 3) Какой номер стоит в правой ячейке формы вверху справа (в рамке под стрелкой (2))? 4) Какой номер стоит рядом с подписью «Назначение платежа»? Указывайте только то, что реально видно на бланке.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все ответы верны, с аккуратными пояснениями (над/под подписью). Отлично.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все четыре ответа верны: (6), (60)/(61), 0401060, (24). Чётко и структурировано.
diffusion-gemma	10	9	10	9.9	Все ответы верны, чётко структурировано с указанием блоков.
GPT-5.5 (medium)	10	9	10	9.9	Все ответы верны, ясно и по делу.
Kimi K2.6	10	9	10	9.9	Все ответы верны, с корректными пояснениями про код формы.
llama-scout	10	8	9	9.7	Все ответы верны, дополнительно корректно уточнил про (2) в скобках и код формы 0401060. Небольшие огрехи в markdown.
GPT-5.6 Luna (high)	10	8	9	9.7	Все ответы верны, кратко но ясно.
GPT-5.6 Terra (low)	10	7	9	9.6	Все ответы верны, лаконично с указанием блоков.
GPT-5.6 Terra (med)	10	7	9	9.6	Все ответы верны, кратко и ясно.
GPT-5.6 Luna (low)	10	7	9	9.6	Все ответы верны, лаконично.
GPT-5.6 Luna (med)	10	7	9	9.6	Все ответы верны, кратко.
GPT-5.5 (low)	10	7	8	9.5	Все ответы верны, но очень лаконично, без пояснений.
gemma-4-31b	10	6	8	9.4	Ответы верны, но предельно кратко, без анализа и пояснений.
GPT-5.6 Sol (low)	10	6	7	9.3	Ответы верны, но максимально сжато без пояснений.
GPT-5.6 Sol (med)	10	6	7	9.3	Ответы верны, очень кратко.
GPT-5.6 Terra (high)	10	6	7	9.3	Ответы верны, предельно кратко.
Nemotron-3-Nano-Omni-30B	7	6	8	7.0	Три ответа верны, но на вопрос 4 указан (43) вместо (24) — ошибка сопоставления.
MiniMax-M3	6	9	9	6.6	Три пункта из четырёх верны ((6), (60)/(61), (24)), но в п.3 вместо кода формы 0401060 в рамке под стрелкой (2) указан (101) — это другое поле, находящееся ниже. Формат и русский язык безупречны.

Почти все модели дали все 4 верных ответа; 27b-v2 и llama-scout выделяются аккуратными пояснениями. Nemotron ошибся в вопросе 4 ((43) вместо (24)).

kie_операционка_1364943338 — Извлечение полей декларации УСН

kie · промпт 498 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед вами титульный лист налоговой декларации по УСН (форма по КНД 1152017). Извлеките из документа следующие поля и укажите их значения ровно так, как они напечатаны на изображении: 1) ИНН; 2) КПП; 3) код налогового периода; 4) отчетный год; 5) код налогового органа, в который представляется декларация; 6) полное наименование налогоплательщика; 7) ФИО лица, подтверждающего достоверность сведений (представителя); 8) дата подписания декларации. Не добавляйте данные, которых нет на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все 8 полей верны, аккуратный список.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все 8 полей извлечены абсолютно верно, включая прочерки в ИНН. Чёткий нумерованный список.
gemma-4-31b	10	9	10	9.9	Все поля извлечены точно и полно.
GPT-5.5 (low)	10	9	10	9.9	Все 8 значений верны, чистое оформление.
GPT-5.5 (medium)	10	9	10	9.9	Все поля извлечены безупречно, включая прочерки ИНН.
Kimi K2.6	10	9	10	9.9	Все 8 полей верны, аккуратно оформлено.
GPT-5.6 Sol (low)	10	9	10	9.9	Все поля верны; ПЁТР через ё допустимо.
GPT-5.6 Sol (med)	10	9	10	9.9	Все 8 значений корректны и полны.
GPT-5.6 Terra (low)	10	9	10	9.9	Все поля извлечены точно.
GPT-5.6 Luna (low)	10	9	10	9.9	Все 8 полей верны, включая прочерки ИНН.
GPT-5.6 Luna (med)	10	9	10	9.9	Точное извлечение всех полей.
GPT-5.6 Luna (high)	10	9	10	9.9	Все значения верны; ПЁТР через ё допустимо.
MiniMax-M3	10	9	9	9.8	Все 8 запрошенных полей извлечены верно (ИНН 3812123456, КПП 380801001, период 34, год 2021, орган 3812, ООО "ИВАНОВИЧ", ИВАНОВ ПЕТР ИВАНОВИЧ, 31.03.2022), лишних данных нет. Формат чистый нумерованный список; видимого анализа минимум, что для KIE-задачи достаточно.
GPT-5.6 Terra (med)	10	8	10	9.8	Все значения верны; часть пунктов без подписей полей.
GPT-5.6 Terra (high)	10	8	10	9.8	Все значения верны; в пп.6-8 без подписей полей, но нумерация сохранена.
llama-scout	9	7	8	8.7	Все значения верны, но опечатка в тексте формы (ОТВЕТСВЕННОСТЬЮ) и странное $-оформление цифр.
Nemotron-3-Nano-Omni-30B	3	3	5	3.2	ИНН искажён (38121213456), КПП 3808010001, наименование сведено к ИВАНОВИЧ — несколько ошибок, без подписей полей.
diffusion-gemma	2	7	7	3.0	Грубые ошибки: КПП 3808010001, код органа 38112/210, представитель ИВАНОВ ПЕТР ИВАНОВ — искажения фактов.

Большинство моделей извлекли все 8 полей идеально. Провалились diffusion-gemma и nemotron-omni (искажения ИНН/КПП/наименования/ФИО).

kie_операционка_15e491bfd4 — Структура пустого бланка счёта на оплату

kie · промпт 517 симв. · Победитель: llama-scout · 10.0/10

▸Промпт задачи

Перед вами незаполненный бланк документа. Внимательно рассмотрите его и ответьте на вопросы строго по тому, что видно на изображении: 1) Как называется этот документ (заголовок крупным шрифтом)? 2) Перечислите названия всех столбцов в основной таблице с позициями (слева направо). 3) Какие три итоговые строки расположены справа под таблицей? 4) Заполнены ли в бланке какие-либо конкретные значения (номер, дата, ИНН, КПП, суммы) или все поля пустые? 5) Какие две должности указаны для подписей в нижней части бланка?

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	10	10	10	10.0	Полностью корректный ответ, чёткая структура, явно указано, что все поля пустые.
Kimi K2.6	10	10	10	10.0	Полный и точный ответ, ясная структура, явно подчёркнута незаполненность всех полей.
Qwen3.6-27B-FP8	10	9	10	9.9	Все данные прочитаны верно, отмечено что бланк чистый без выдуманных значений.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все пункты верны, заголовок, столбцы, итоги и должности точны, отмечена пустота бланка. Заголовок дан кратко.
GPT-5.5 (low)	10	9	10	9.9	Полный заголовок и все пункты верны, чётко указано отсутствие заполненных значений.
GPT-5.5 (medium)	10	9	10	9.9	Точный ответ с полным заголовком и уточнением о номере строки «1».
GPT-5.6 Sol (low)	10	9	10	9.9	Точный ответ с уточнением о порядковом номере строки «1».
GPT-5.6 Sol (med)	10	9	10	9.9	Полный заголовок, все столбцы и итоги верны, отмечен номер строки «1».
GPT-5.6 Terra (low)	10	9	10	9.9	Корректный краткий ответ, отмечена незаполненность бланка.
GPT-5.6 Terra (med)	10	9	10	9.9	Все пункты верны, полный заголовок и явное указание пустоты полей.
GPT-5.6 Terra (high)	10	9	10	9.9	Все данные верны, чётко указано что поля пустые.
GPT-5.6 Luna (low)	10	9	10	9.9	Кратко и точно, все поля отмечены как пустые.
GPT-5.6 Luna (med)	10	9	10	9.9	Все пункты верны, чётко указано отсутствие заполненных значений.
GPT-5.6 Luna (high)	10	9	10	9.9	Все верно, отмечена преднапечатанная нумерация «1» и отсутствие данных.
gemma-4-31b	10	8	10	9.8	Кратко и верно, ценное уточнение что «1» — часть разметки бланка.
diffusion-gemma	10	8	6	9.4	Содержание верное, отмечена пустота бланка, но есть опечатки «сновываясь», «навания».
MiniMax-M3	9	9	9	9.0	Все пять пунктов верны: 6 столбцов, три итоговые строки, должности и явное указание на незаполненность бланка без выдуманных данных. Небольшая неполнота в п.1 (не приведён полный заголовок со датой 'от __.__.20__ г.').
Nemotron-3-Nano-Omni-30B	9	3	5	8.0	Содержание в основном верно, но сбита нумерация пунктов и опечатка «Руковиодитель».

Почти все модели ответили верно и отметили незаполненность бланка; kimi-k2.6 дал самый полный и структурированный ответ. Слабее всех nemotron-omni (сбитая нумерация, опечатки).

kie_операционка_410a4b241e — Поля титульного листа декларации по УСН

kie · промпт 713 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На изображении — титульный лист налоговой декларации по налогу, уплачиваемому в связи с применением упрощённой системы налогообложения (УСН), форма по КНД 1152017. Внимательно рассмотрите заполненные поля и извлеките следующие реквизиты, указав каждый отдельно: 1) ИНН налогоплательщика; 2) КПП (если поле заполнено — приведите значение, если пустое — так и напишите); 3) номер корректировки; 4) код налогового периода; 5) отчётный год; 6) код налогового органа, в который представляется декларация; 7) код по месту нахождения (учёта); 8) наименование налогоплательщика (ФИО); 9) код объекта налогообложения и его расшифровку (что он означает по подсказке справа); 10) на скольких страницах составлена декларация.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все 10 реквизитов извлечены верно, включая ИНН 770198766554 (12 цифр, как на картинке), пустой КПП, коды 34/7703/120, 2024, ФИО и объект «1 — доходы», 3 страницы. Аккуратная таблица плюс корректные пояснения без выдумок.
Qwen3.6-27B-FP8	6	8	9	6.5	ИНН 770198766554 с пропуском цифры, остальное (34/7703/120/2024/ФИО/1-доходы/3) верно.
Qwen3.6-35B-A3B-FP8	6	8	9	6.5	ИНН 770198766554 — пропущена одна цифра (эталон 7701987665554), остальные 9 полей верны, расшифровки корректны.
diffusion-gemma	6	8	9	6.5	ИНН 770198766554 с пропуском цифры, прочие реквизиты и расшифровки корректны.
GPT-5.5 (low)	6	8	9	6.5	ИНН 770198766554 — одна цифра потеряна, остальные поля точны, КПП отмечен пустым.
GPT-5.5 (medium)	6	8	9	6.5	ИНН 770198766554 с пропуском цифры, все прочие реквизиты верны и аккуратно оформлены.
Kimi K2.6	6	8	9	6.5	ИНН 770198766554 — потеряна цифра, остальные поля верны, полные расшифровки и отметка о пустом КПП.
GPT-5.6 Sol (low)	6	8	9	6.5	ИНН 770198766554 с пропуском цифры, остальное верно, расшифровки и пустой КПП отмечены.
GPT-5.6 Sol (med)	6	8	9	6.5	ИНН 770198766554 — потеряна цифра, прочие реквизиты точны и аккуратны.
GPT-5.6 Terra (low)	6	8	9	6.5	ИНН 770198766554 с пропуском цифры, прочие реквизиты корректны.
GPT-5.6 Luna (low)	6	8	9	6.5	ИНН 770198766554 с пропуском цифры, остальные реквизиты корректны.
GPT-5.6 Luna (med)	6	8	9	6.5	ИНН 770198766554 — одна цифра потеряна, прочие поля верны.
Nemotron-3-Nano-Omni-30B	6	5	6	5.9	Значения в основном верны (ИНН с пропуском цифры), но ответ голыми числами без подписей и расшифровок.
llama-scout	5	8	9	5.7	ИНН 7770198766554 прочитан неверно (лишняя 7 в начале), прочие поля верны.
GPT-5.6 Terra (med)	5	8	9	5.7	ИНН 77019876554 прочитан хуже (11 цифр), остальные поля верны.
GPT-5.6 Terra (high)	5	8	9	5.7	ИНН 77019876554 прочитан хуже (11 цифр), остальные поля верны.
GPT-5.6 Luna (high)	5	8	9	5.7	ИНН 77019876654 прочитан хуже (11 цифр, потеряны две), прочие поля верны.
gemma-4-31b	4	8	9	4.9	ИНН 7701987655 сильно урезан (10 цифр вместо 13), хотя остальные поля прочитаны верно.

Ни одна модель не прочитала ИНН полностью верно (эталон 7701987665554); большинство дали 770198766554 с пропуском одной цифры и все прочие 9 полей верно. Победитель — kimi-k2.6 за самый полный ответ с расшифровками; gemma-4-31b и модели с 11-значным ИНН слабее по точности.

kie_операционка_1ec8e77f7d — Поля счёта-фактуры № 108 и проверка НДС

kie · промпт 515 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед вами счёт-фактура. Извлеките из документа следующие поля и проверьте арифметику НДС: 1) номер счёта-фактуры и дату; 2) наименование, ИНН/КПП продавца; 3) наименование, ИНН/КПП покупателя; 4) наименование товара; 5) налоговую ставку; 6) сумму налога (графа 8) и стоимость товаров с учётом налога (графа 9, «Всего к оплате»). Затем проверьте, верно ли указана сумма налога: рассчитайте НДС от итоговой стоимости с учётом налога по указанной ставке и сравните с тем, что записано в документе. Сходится ли расчёт?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все поля и реквизиты считаны точно, расчёт НДС верный и лаконичный.
gemma-4-31b	10	10	10	10.0	Все данные верны, арифметика 236000×18/118=36000 показана правильно.
GPT-5.5 (medium)	10	10	10	10.0	Точное считывание всех полей и корректная проверка НДС.
Kimi K2.6	10	10	10	10.0	Все поля верны, чёткое объяснение расчётной ставки 18/118 и корректная проверка.
GPT-5.6 Sol (med)	10	10	10	10.0	Точное считывание и верная проверка НДС.
GPT-5.6 Terra (high)	10	10	10	10.0	Все данные верны, расчёт по расчётной ставке корректен.
GPT-5.5 (low)	10	9	10	9.9	Все реквизиты точны, расчёт верный, вывод корректный.
GPT-5.6 Sol (low)	10	9	10	9.9	Все реквизиты верны, корректно добавлена стоимость без НДС 200000.
GPT-5.6 Luna (low)	10	9	10	9.9	Точные данные и правильный вывод о сходимости расчёта.
GPT-5.6 Luna (med)	10	9	10	9.9	Все поля считаны верно, арифметика подтверждена.
GPT-5.6 Luna (high)	10	9	10	9.9	Все реквизиты верны, расчёт НДС корректен.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Всё верно и расчёт 18/118 корректен, но КПП покупателя записан с ошибкой (5411001 вместо 541101001).
GPT-5.6 Terra (low)	7	9	10	7.5	Всё верно, но ИНН продавца искажён (7724056312 вместо 7724506312).
GPT-5.6 Terra (med)	7	9	10	7.5	Всё верно, но ИНН продавца записан с перестановкой цифр (7724056312).
llama-scout	7	9	9	7.4	Все поля прочитаны верно, вывод правильный, но выдумана «стоимость без налога 200 000 в графе 5», хотя там прочерк.
diffusion-gemma	6	9	9	6.6	Товар, суммы и вывод верны, но оба КПП искажены (7724010001 и 5411010001).
MiniMax-M3	5	9	9	5.8	Номер, дата, продавец, товар, ставка 18/118, суммы 36 000/236 000 и проверка НДС извлечены верно, но ИНН покупателя искажён (541012372 вместо 5411012372), улица продавца выдумана («Долгая» вместо «Довлатова») и индекс покупателя неверен (630033 вместо 630003). Ошибка в запрошенном поле ИНН плюс галлюцинация названия улицы существенно снижают точность.
Nemotron-3-Nano-Omni-30B	1	3	6	1.7	Грубые выдумки: ИНН покупателя = ИНН продавца, товар «оплачивание работ», ставка 19%, неверный вывод, что расчёт не сходится.

Большинство моделей справились идеально; kimi-k2.6 и группа gpt-5.5/5.6 точны, но kimi лучше всех пояснила расчётную ставку. Nemotron-omni полностью провалился с выдумками.

kie_операционка_b93c70b204 — Поля счёта ИП: номер, дата, итог

kie · промпт 346 симв. · Победитель: gemma-4-31b · 10.0/10

▸Промпт задачи

Перед вами бланк счёта на оплату. Извлеките из него следующие поля: 1) номер счёта; 2) дату счёта; 3) от чьего имени выставлен счёт (наименование лица в шапке документа); 4) значение в строке «Итого»; 5) значение в строке «В т.ч НДС»; 6) сумму прописью из строки «К оплате». Перечислите все шесть значений ровно так, как они написаны в документе.

Модель	C	F	Ru	Σ	Комментарий судьи
gemma-4-31b	10	10	10	10.0	Идеально: все шесть полей верны, лаконичный чистый список.
diffusion-gemma	10	10	10	10.0	Все значения верны, с подписанными названиями полей — ясно и структурно.
GPT-5.6 Luna (low)	10	10	10	10.0	Дословно передан № 1, все шесть значений верны.
GPT-5.6 Luna (high)	10	10	10	10.0	Наиболее дословно: № 1 как в документе, все поля верны.
Qwen3.6-27B-FP8	10	9	10	9.9	Все значения правильные, аккуратный список с кратким введением.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все шесть значений извлечены верно, чистый нумерованный список без выдумок.
GPT-5.5 (low)	10	9	10	9.9	Верно, имя с двоеточием как в шапке — допустимо, оформление в code-блоках.
GPT-5.5 (medium)	10	9	10	9.9	Все шесть значений верны, аккуратный нумерованный список.
Kimi K2.6	10	9	10	9.9	Все значения верны, дословная передача, чистый список.
GPT-5.6 Sol (low)	10	9	10	9.9	Все шесть значений извлечены верно, чистый список.
GPT-5.6 Sol (med)	10	9	10	9.9	Все значения правильные, аккуратное оформление.
GPT-5.6 Terra (low)	10	9	10	9.9	Все шесть значений верны, чистый нумерованный список.
GPT-5.6 Terra (med)	10	9	10	9.9	Все значения правильные, ясное оформление.
GPT-5.6 Terra (high)	10	9	10	9.9	Все верно, имя с двоеточием как в оригинале.
GPT-5.6 Luna (med)	10	9	10	9.9	Все значения верны, имя с двоеточием как в шапке.
Nemotron-3-Nano-Omni-30B	10	9	9	9.8	Значения верны, но англоязычная подпись 'Answer:' слегка портит русскоязычность.
llama-scout	10	7	9	9.6	Данные верны, но LaTeX-обёртки ($1$, $0,00$) засоряют оформление.
MiniMax-M3	9	9	10	9.1	Все шесть значений извлечены верно, без галлюцинаций по пустым полям. Мелкая неточность: в пункте «номер счёта» приведён весь заголовок «СЧЕТ № 1 от 24 сентября 2018 г.» вместо собственно номера «1».

Все модели извлекли шесть полей верно без галлюцинаций по пустым полям; luna-high выделяется дословной передачей № 1.

kie_операционка_a04da419c3 — Извлечение полей бланка счёта на оплату

kie · промпт 457 симв. · Победитель: GPT-5.5 (low) · 9.9/10

▸Промпт задачи

Перед вами бланк документа. Ответьте строго по тому, что видно на изображении: 1) Как называется тип документа (заголовок по центру над таблицей)? 2) Сколько рабочих дней действителен счёт согласно тексту в блоке «Внимание!»? 3) Какая ставка НДС (в %) напечатана в строках столбца «НДС%» табличной части? 4) Перечислите названия всех столбцов товарной таблицы слева направо. Заполнены ли поля счёта (Продавец, ИНН, № счёта, дата, суммы) какими-либо данными?

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (low)	10	9	10	9.9	Все факты верны, чётко описаны пустые линии реквизитов.
GPT-5.5 (medium)	10	9	10	9.9	Точный и аккуратный ответ по всем четырём пунктам.
Kimi K2.6	10	9	10	9.9	Полный точный ответ с цитатами из бланка и явным указанием на пустоту всех полей.
GPT-5.6 Sol (low)	10	9	10	9.9	Верно и точно, с уместным замечанием, что «20___ г.» — часть шаблона.
GPT-5.6 Sol (med)	10	9	10	9.9	Верно, с полезной ремаркой, что «18» напечатано как часть бланка.
GPT-5.6 Terra (low)	10	9	10	9.9	Точный и корректный ответ по всем пунктам.
GPT-5.6 Terra (med)	10	9	10	9.9	Верно, кратко и ясно.
GPT-5.6 Terra (high)	10	9	10	9.9	Все факты верны, чётко указан пустой бланк.
GPT-5.6 Luna (low)	10	9	10	9.9	Верный полный ответ по всем пунктам.
GPT-5.6 Luna (med)	10	9	10	9.9	Точный ответ, пустота полей отмечена.
GPT-5.6 Luna (high)	10	9	10	9.9	Все факты верны, кратко и ясно.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Все факты верны, тип, срок, НДС и столбцы точны, отметил пустой бланк. Мелкая опечатка «Ед-изм».
diffusion-gemma	10	9	9	9.8	Точный полный ответ, столбцы и пустота бланка отмечены корректно.
Qwen3.6-27B-FP8	10	8	9	9.7	Все ответы верны, но очень кратко, без пояснений.
gemma-4-31b	10	8	9	9.7	Всё верно, но предельно лаконично.
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Верно, но сжато; всё главное указано корректно.
MiniMax-M3	10	9	8	9.7	Все проверяемые факты верны: тип документа СЧЕТ, 5 рабочих дней, НДС 18% в 10 строках, полный и точный список столбцов, корректно отмечено, что бланк пустой. Небольшой минус за опечатку «Бахгалтер» и избыточную разметку.
llama-scout	7	8	9	7.3	Не распознала заголовок СЧЕТ («заголовок не виден»), хотя он есть на картинке. Остальные пункты верны.

Почти все модели дали точный ответ; выделяется kimi-k2.6 полнотой и цитатами. Отстала llama-scout, не распознавшая заголовок СЧЕТ.

kie_операционка_e053545c11 — Извлечение реквизитов бланка налоговой декларации (УСН, КНД 1152017)

kie · промпт 505 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении — бланк налоговой декларации. Внимательно рассмотрите его и ответьте на вопросы строго по тому, что напечатано на странице: 1) Какой код формы по КНД указан в верхней части (после надписи «Форма по КНД»)? 2По какому налогу подаётся эта декларация (полное название декларации из заголовка)? 3) Какой номер страницы проставлен в поле «Стр.» в правом верхнем углу? 4) Заполнены ли в этом бланке поля ИНН и КПП налогоплательщика (есть ли в них значения)? Дайте короткий ответ по каждому пункту.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все пункты верны, чёткая структура и уточнение, что поля пустые.
gemma-4-31b	10	9	10	9.9	Все ответы верны и лаконичны.
diffusion-gemma	10	9	10	9.9	Все пункты верны, страница передана как 0:0:1, поля пусты.
GPT-5.5 (low)	10	9	10	9.9	Все ответы верны, аккуратное оформление, стр. 001.
GPT-5.5 (medium)	10	9	10	9.9	Все ответы верны и ясно оформлены.
MiniMax-M3	10	9	10	9.9	Все четыре пункта отвечены верно: КНД 1152017, декларация по УСН, стр. 001, ИНН/КПП пустые; галлюцинаций нет. Ответ предельно краток, развёрнутого анализа не показано, но по формату задачи это уместно.
Kimi K2.6	10	9	10	9.9	Все пункты верны, стр. 001, поля пустые.
GPT-5.6 Sol (low)	10	9	10	9.9	Все пункты верны, полное название декларации, стр. 001.
GPT-5.6 Sol (med)	10	9	10	9.9	Все пункты верны, аккуратное оформление.
GPT-5.6 Terra (low)	10	9	10	9.9	Все ответы верны, поля не заполнены.
GPT-5.6 Terra (med)	10	9	10	9.9	Все ответы верны, чётко и по существу.
GPT-5.6 Terra (high)	10	9	10	9.9	Все ответы верны, полное название и стр. 001.
GPT-5.6 Luna (low)	10	9	10	9.9	Все ответы верны, корректная передача сути УСН.
GPT-5.6 Luna (med)	10	9	10	9.9	Все ответы верны, уточнено отсутствие значений в полях.
GPT-5.6 Luna (high)	10	9	10	9.9	Все ответы верны, чёткое оформление.
Qwen3.6-35B-A3B-FP8	10	8	10	9.8	Все 4 пункта верны: КНД 1152017, УСН, стр. 001 (передал как 0:0:1), ИНН/КПП не заполнены. Формат минималистичный.
Nemotron-3-Nano-Omni-30B	10	8	10	9.8	Ответы верны, но пункт 4 предельно кратко ('Нет') без пояснения.
llama-scout	10	8	9	9.7	Все ответы верны, но обёртывание чисел в $...$ (LaTeX) выглядит неуместно.

Задача простая, почти все модели дали полностью верные ответы; 27b-v2 выделяется чуть более полным и ясным изложением. Галлюцинаций данных ни у кого нет.

kie_операционка_d71aa48f1d — Счёт-фактура №5: поля и проверка итогов

kie · промпт 648 симв. · Победитель: GPT-5.5 (medium) · 9.9/10

▸Промпт задачи

Перед вами счёт-фактура. Внимательно рассмотрите документ и ответьте на вопросы, опираясь только на то, что в нём напечатано: 1) Номер счёта-фактуры и его дата. 2) ИНН/КПП продавца и ИНН/КПП покупателя. 3) Для каждой из двух товарных строк укажите наименование товара, количество, цену за единицу, стоимость без налога, налоговую ставку и сумму налога. 4) Какие значения указаны в строке «Всего к оплате» по трём колонкам: стоимость без налога, сумма налога, стоимость с налогом? 5) Проверьте арифметику: совпадает ли сумма по двум строкам с итогом «Всего к оплате» по каждой из трёх колонок, и верно ли посчитан НДС в каждой строке при ставке 20%?

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (medium)	10	10	9	9.9	Идеально: верные номер, дата, оба разных ИНН, все строки, итоги и проверка. Ясная таблица.
Qwen3.6-27B-FP8	10	9	9	9.8	Все поля верны, ИНН продавца и покупателя различены правильно, арифметика подтверждена. Чёткая структура.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Полностью верно: номер, дата, оба разных ИНН, все строки и итоги, вывод об арифметике корректен.
gemma-4-31b	10	9	9	9.8	Точное распознавание всех данных, оба ИНН верны, итоги и проверка НДС корректны.
GPT-5.5 (low)	10	9	9	9.8	Все данные и оба ИНН верны, таблица аккуратна, арифметика и НДС проверены правильно.
Kimi K2.6	10	9	9	9.8	Все поля верны, оба ИНН различены, полная проверка арифметики и НДС. Аккуратная таблица.
GPT-5.6 Sol (low)	10	9	9	9.8	Полностью верно, оба ИНН различены, добавлена единица «бут.», арифметика подтверждена.
GPT-5.6 Sol (med)	10	9	9	9.8	Все поля точны, оба ИНН верны, итоги и НДС проверены правильно.
GPT-5.6 Luna (med)	10	9	9	9.8	Все данные и оба ИНН верны, итоги и проверка НДС корректны.
GPT-5.6 Luna (high)	10	9	9	9.8	Точное распознавание, оба ИНН верны, итоги и НДС проверены корректно.
llama-scout	10	7	9	9.6	Все данные верны, оба ИНН/КПП точны, арифметика проверена. Формат портят навязчивые LaTeX-обёртки ($...$) вокруг чисел.
diffusion-gemma	6	8	6	6.2	ИНН верны, но КПП искажены лишними цифрами (7708010011/7708010001 вместо 770801001). Опечатки «Сопадает».
GPT-5.6 Terra (high)	5	9	9	5.8	ИНН продавца искажён (7708123418 вместо ...3446). Остальные данные и арифметика верны.
GPT-5.6 Luna (low)	5	9	9	5.8	ИНН продавца ошибочно указан как ...3456 (совпал с покупателем), различие последних цифр упущено. Остальное верно.
GPT-5.6 Terra (low)	4	9	9	5.0	Оба ИНН ошибочны (7708123445 для обоих), различие не распознано. Прочие поля и арифметика верны.
GPT-5.6 Terra (med)	4	8	9	4.9	Оба ИНН неверны (продавец ...3456, покупатель ...3457), различие искажено. Остальное верно.
MiniMax-M3	3	9	9	4.2	Все числа, оба различных ИНН/КПП, итоги и проверка НДС верны, но наименования товаров полностью выдуманы («Ингаляционная вода» и «Гепариновая вода» вместо «Негазированная вода» и «Газированная вода»), что является грубой галлюцинацией в ключевом поле KIE.
Nemotron-3-Nano-Omni-30B	1	3	3	1.4	Грубые выдумки: ИНН покупателя приравнен к продавцу, количество/цена перепутаны (686, 20000), итог без налога назван 150000. Опечатки.

Большинство моделей распознали всё безупречно, включая тонкое различие ИНН (...3446 vs ...3456); gpt-5.5-medium выделяется идеальной таблицей. Провал у nemotron-omni (выдумки), заметные ошибки ИНН у terra-low/medium, luna-low, terra-high, diffusion-gemma.

kie_операционка_ebadcddc15 — Извлечение полей счёта на оплату № 82

kie · промпт 457 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед вами счёт на оплату. Извлеките и укажите по изображению: 1) номер и дату счёта; 2) наименование, ИНН и КПП Поставщика; 3) наименование, ИНН и КПП Покупателя; 4) сумму «Итого», сумму «В том числе НДС» и сумму «Всего к оплате» (с точными значениями и копейками). Затем проверьте арифметику НДС: при ставке 18% корректно ли выделена сумма НДС из итоговой суммы (НДС = Итого × 18 / 118)? Приведите расчёт и сделайте вывод, сходится ли указанная сумма НДС.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все реквизиты и суммы верны, расчёт НДС подробный и корректный.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все поля и суммы верны, НДС-проверка корректна, отдельно и точно разъяснена ловушка с банковскими реквизитами Получателя.
gemma-4-31b	10	9	10	9.9	Полностью верные данные и корректная проверка НДС, структура ясная.
GPT-5.5 (low)	10	9	10	9.9	Все поля и НДС-проверка верны, изложение сжатое и точное.
GPT-5.5 (medium)	10	9	10	9.9	Верные реквизиты и суммы, корректный расчёт НДС, аккуратная структура.
Kimi K2.6	10	9	10	9.9	Все поля точны, расчёт НДС развёрнут и корректен, вывод обоснован.
GPT-5.6 Sol (low)	10	9	10	9.9	Все реквизиты и суммы верны, проверка НДС корректна.
GPT-5.6 Sol (med)	10	9	10	9.9	Полностью верные данные, корректный НДС и точное примечание о расхождении банковских реквизитов Получателя.
GPT-5.6 Terra (low)	10	9	10	9.9	Все данные и НДС-проверка верны, чёткая структура.
GPT-5.6 Terra (med)	10	9	10	9.9	Верные реквизиты и суммы, корректный вывод по НДС.
GPT-5.6 Terra (high)	10	9	10	9.9	Верные поля и суммы, проверка НДС корректна, изложение сжатое.
GPT-5.6 Luna (low)	10	9	10	9.9	Все данные и НДС-проверка верны, лаконично и ясно.
GPT-5.6 Luna (med)	10	9	10	9.9	Верные поля и корректный расчёт НДС, аккуратное оформление.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные реквизиты, суммы и проверка НДС, изложение чёткое.
llama-scout	10	7	10	9.7	Данные и НДС верны, но обилие $-обёрток LaTeX загромождает читабельность.
Nemotron-3-Nano-Omni-30B	10	7	10	9.7	Все данные и вывод по НДС верны, но оформление минималистичное, без развёрнутого расчёта.
MiniMax-M3	7	9	8	7.3	Номер, дата, ИНН обоих контрагентов, все три суммы и проверка НДС (381 355,93 = 2 500 000×18/118) выполнены верно, вывод корректен. Две ошибки распознавания: КПП Поставщика указан 773301001 вместо 773303001 и наименование покупателя «ООО ПАГУНА» вместо «ООО ЛАГУНА».
diffusion-gemma	6	8	9	6.5	Опечатка в названии («ВАИЛЕК») и ложное утверждение о «технической ошибке» в документе — равенство Итого и Всего к оплате корректно для НДС «в том числе».

Почти все модели безошибочно извлекли поля и верно проверили НДС; 35b-a3b и sol-medium дополнительно и точно разъяснили ловушку с банковскими реквизитами Получателя. diffusion-gemma допустила опечатку в названии и ложное утверждение об ошибке в документе.

kie_операционка_f988ada891 — Извлечение полей из единой упрощённой налоговой декларации

kie · промпт 467 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 8.2/10

▸Промпт задачи

Перед вами скан Единой (упрощённой) налоговой декларации. Извлеките из документа следующие поля и запишите их значения ровно так, как они указаны на бланке: 1) Форма по КНД (номер формы); 2) ИНН организации; 3) КПП; 4) Отчётный год; 5) Полное наименование организации; 6) Наименование и код налогового органа, в который представляется декларация; 7) Код по ОКАТО; 8) Код по ОКВЭД; 9) ФИО руководителя; 10) Дату подписания декларации руководителем (число, месяц, год).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	ИНН 12 цифр (потерян один хвостовой 1), остальные поля верны, наименование PPT.ru корректно. Аккуратно.
GPT-5.5 (low)	8	9	9	8.2	Все поля верны, ИНН 12 цифр, PPT.ru корректно, чистое оформление.
GPT-5.5 (medium)	8	9	9	8.2	Все поля верны, ИНН 12 цифр, PPT.ru корректно, аккуратно.
Kimi K2.6	8	9	9	8.2	Все поля верны, ИНН 12 цифр, PPT.ru корректно, хорошее оформление.
GPT-5.6 Sol (low)	8	9	9	8.2	Все поля верны, ИНН 12 цифр, PPT.ru, ОКВЭД чисто как 52.21.2 — самое аккуратное извлечение.
GPT-5.6 Sol (med)	8	9	9	8.2	Все поля верны, ИНН 12 цифр, PPT.ru корректно, чистое оформление.
Qwen3.6-27B-FP8	8	8	9	8.1	Все ключевые поля верны, ИНН 12 цифр, PPT.ru корректно; ОКАТО с лишними нулями, ОКВЭД слитно.
diffusion-gemma	8	8	7	7.9	Поля верны, ИНН 12 цифр, PPT.ru; есть опечатка в тексте (изчены).
llama-scout	6	8	8	6.4	Наименование перепутано как RPT.ru (переставлены буквы), ИНН 12 цифр. Остальное верно.
MiniMax-M3	6	8	8	6.4	Восемь из десяти полей извлечены верно, но ИНН укорочен (00771212121 вместо 0077121212111) и наименование искажено — "РРТ.ги" вместо "PPT.ru". Формат и русский язык хорошие, коды ОКАТО/ОКВЭД переданы с прочерками бланка.
GPT-5.6 Luna (med)	5	9	8	5.7	ИНН 11 цифр, РРТ.ru кириллицей, ОКАТО с лишним нулём; остальное верно.
GPT-5.6 Luna (low)	5	8	8	5.6	ИНН 11 цифр, наименование РРТ.ru кириллицей; прочие поля верны.
GPT-5.6 Luna (high)	5	8	8	5.6	ИНН всего 11 цифр, наименование РРТ.ru (кириллица вместо латиницы); остальное верно.
GPT-5.6 Terra (low)	4	6	7	4.5	ИНН 12 цифр, но КПП искажён (21212212), наименование РРТ.ru, без подписей полей.
gemma-4-31b	3	7	8	3.9	ИНН всего 10 цифр, КПП искажён (2121212001), две грубые ошибки в ключевых полях.
GPT-5.6 Terra (med)	3	7	8	3.9	ИНН искажён (00771212211), КПП 8 цифр, наименование РРТ.ru — несколько ошибок.
GPT-5.6 Terra (high)	3	7	8	3.9	ИНН искажён (007712122111), КПП 8 цифр, наименование РРТ.ru — грубые ошибки в ключевых полях.
Nemotron-3-Nano-Omni-30B	2	4	7	2.7	ИНН искажён (00712121211), КПП 11 цифр, наименование RPT.ru — множество ошибок, без подписей полей.

Лучшая группа (sol, gpt-5.5, kimi, 35b-a3b и др.) верно извлекла все поля с ИНН в 12 цифр; никто не дал полный 13-значный ИНН. Победитель — sol-low за самую чистую запись, включая ОКВЭД 52.21.2.

kie_стройка_056dab631d — КС-3: поля справки и проверка НДС

kie · промпт 564 симв. · Победитель: Kimi K2.6 · 10.0/10

▸Промпт задачи

Перед вами «Справка о стоимости выполненных работ и затрат» (форма КС-3). Внимательно изучите документ и ответьте на вопросы: 1) Укажите номер документа и дату составления. 2) За какой отчётный период составлена справка (с и по)? 3) Перечислите все строки таблицы (наименования работ) с их стоимостью по графе «с начала проведения работ». 4) Назовите три итоговые суммы: «Итого», «Сумма НДС» и «Всего с учётом НДС». 5) Проверьте арифметику: сходится ли «Итого» с суммой строк, корректно ли «Сумма НДС» как 18% от «Итого», и верно ли посчитано «Всего с учётом НДС».

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	10	10	10.0	Полный и точный ответ: все реквизиты, строки, итоги и подробная корректная проверка.
GPT-5.6 Sol (low)	10	10	10	10.0	Полный ответ с общей строкой и корректной проверкой арифметики.
llama-scout	10	10	9	9.9	Все данные верны, полная проверка арифметики; лишь мелкое «распорной» вместо «распорочной».
GPT-5.5 (medium)	10	10	9	9.9	Всё верно, включая общую строку и полную проверку арифметики.
GPT-5.6 Sol (med)	10	9	10	9.9	Все данные верны, проверка расчётов корректна.
GPT-5.6 Luna (low)	10	9	10	9.9	Верные данные и корректная проверка расчётов.
GPT-5.6 Luna (med)	10	9	10	9.9	Все данные верны; суммы без копеек, но по сути корректно.
GPT-5.6 Luna (high)	10	9	10	9.9	Все данные верны, арифметика проверена корректно.
Qwen3.6-27B-FP8	10	9	9	9.8	Полностью верные данные и корректная проверка расчётов.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Все реквизиты, строки и итоги верны, арифметика проверена корректно.
diffusion-gemma	10	9	9	9.8	Все данные и итоги верны, арифметика проверена корректно.
GPT-5.5 (low)	10	9	9	9.8	Верные данные, аккуратная проверка; «распорной» — мелкая неточность.
GPT-5.6 Terra (med)	10	9	9	9.8	Все данные верны; «распорной» — мелкая неточность.
GPT-5.6 Terra (high)	10	9	9	9.8	Верные данные; «распорной» — мелкая неточность, арифметика верна.
GPT-5.6 Terra (low)	10	8	9	9.7	Данные верны; «распорной», проверка арифметики дана компактно.
MiniMax-M3	8	9	9	8.2	Все ключевые данные (номер 17, дата 28.06.2013, период, четыре суммы, три итога) прочитаны верно, арифметическая проверка корректна. Единственная ошибка — искажено наименование строки 3: «Установка распределительной системы комплекса» вместо «Установка распорочной системы котлована».
Nemotron-3-Nano-Omni-30B	8	6	8	7.8	Данные верны, но не указано название 1-й строки (Геодезические работы) и нет явного блока итогов; «распорчной» — опечатка.
gemma-4-31b	6	9	9	6.6	Дата составления указана 26.06.2013 вместо 28.06.2013 — ошибка чтения; остальное верно.

Почти все модели дали корректный ответ; kimi-k2.6, gpt-5.5-medium и sol-low — самые полные. gemma-4-31b ошиблась в дате (26 вместо 28), nemotron-omni опустил название первой строки и блок итогов.

kie_операционка_fc22a7b585 — Извлечение полей счёта-фактуры (алюминий)

kie · промпт 422 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

Перед вами счёт-фактура. По изображению определите и выпишите: 1) номер и дату счёта-фактуры; 2) наименование и ИНН/КПП продавца; 3) наименование и ИНН/КПП покупателя; 4) наименование товара, количество, цену за единицу и стоимость без налога; 5) сумму «Всего к оплате». Затем проверьте арифметику: совпадает ли произведение количества на цену со стоимостью товара и с итоговой суммой к оплате? Укажите результат проверки.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Полностью корректно, с уместной оговоркой о едином номере в поле ИНН/КПП продавца.
llama-scout	10	9	9	9.8	Все поля прочитаны верно, включая ИНН/КПП обеих сторон и параметры товара; арифметика проверена корректно.
diffusion-gemma	10	9	9	9.8	Все значения верны, дата 05 февраля, арифметика проверена корректно.
GPT-5.5 (medium)	10	9	9	9.8	Корректное извлечение всех данных и верный вывод об арифметике.
Kimi K2.6	10	9	9	9.8	Полностью верное извлечение всех полей и подробная корректная проверка арифметики.
GPT-5.6 Sol (low)	10	9	9	9.8	Полностью корректно, с оговоркой об отсутствии КПП продавца; арифметика верна.
GPT-5.6 Sol (med)	10	9	9	9.8	Все данные прочитаны верно, вывод об арифметике правильный.
GPT-5.6 Terra (low)	10	9	9	9.8	Все значения верны, арифметика проверена корректно.
GPT-5.6 Terra (med)	10	9	9	9.8	Полностью верное извлечение данных и корректный вывод о сходимости сумм.
GPT-5.6 Terra (high)	10	9	9	9.8	Корректное извлечение всех полей и верная проверка арифметики.
GPT-5.6 Luna (low)	10	9	9	9.8	Корректное извлечение всех данных и верный вывод об арифметике.
GPT-5.6 Luna (med)	10	9	9	9.8	Все поля верны, проверка арифметики корректна и ясно изложена.
GPT-5.6 Luna (high)	10	9	9	9.8	Все данные верны, с оговоркой о слитном написании ИНН/КПП продавца; арифметика проверена.
Qwen3.6-35B-A3B-FP8	10	9	8	9.7	Все данные верны, вывод об арифметике правильный; формулировка «расходы совпадают» немного неточна.
GPT-5.5 (low)	10	8	9	9.7	Все поля верны, проверка арифметики правильная; изложение сжатое.
gemma-4-31b	5	8	9	5.7	ИНН продавца прочитан неверно (77346880885 вместо 773468880855) и пропущена единица кг; остальное верно.
Nemotron-3-Nano-Omni-30B	4	6	6	4.4	Пропущено число даты (только «февраль 2018»), ИНН продавца искажён (лишняя цифра), «Аллюминий» с опечаткой; покупатель и товар верны.
MiniMax-M3	2	8	8	3.2	Реквизиты, названия и ИНН/КПП прочитаны верно, но количество взято из графы кода единицы измерения (166 вместо 15), а адрес продавца искажён ('Сусимская' вместо 'Сумская'). Из-за этого главный пункт задачи провален: модель уверенно объявила арифметику несходящейся (166x90=14940) и приписала документу грубую ошибку, хотя 15x90=1350 сходится с итогом.

Большинство моделей прочитали документ безупречно; kimi-k2.6 выделяется наиболее полной и аккуратной проверкой. Провалы: gemma-4-31b (искажён ИНН продавца) и nemotron-omni (пропущена дата, искажён ИНН, опечатка).

kie_стройка_57357f8ae6 — Извлечение полей акта КС-2 и проверка арифметики

kie · промпт 565 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении — акт о приемке выполненных работ по унифицированной форме КС-2. Внимательно рассмотрите документ и ответьте на вопросы: 1) Номер документа (акта) и дата его составления. 2) Номер и дата договора подряда. 3) Наименование подрядчика (субподрядчика). 4) По единственной строке таблицы выполненных работ укажите: наименование работ, единицу измерения, количество, цену за единицу и стоимость. 5) Проверьте арифметику строки: совпадает ли произведение «количество × цена за единицу» с указанной в столбце стоимостью и с итоговой суммой? Приведите расчёт.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все факты и арифметика верны, подрядчик с полным адресом. Ясно и структурировано.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все значения верны: акт 01 от 15.06.2017, договор 34 от 05.06.2017, ООО Омега, строка и арифметика 42×2520=105840. Чётко и полно.
gemma-4-31b	10	10	10	10.0	Полностью корректные значения и проверка арифметики. Чистый русский, аккуратный формат.
diffusion-gemma	10	10	10	10.0	Все данные верны, включая адрес подрядчика и расчёт 42×2520=105840. Хорошая структура.
Kimi K2.6	10	10	10	10.0	Все данные верны, подрядчик с адресом, расчёт подтверждён. Отличное оформление.
GPT-5.6 Sol (low)	10	10	10	10.0	Все значения верны, арифметика подтверждена. Ясно и лаконично.
GPT-5.6 Sol (med)	10	10	10	10.0	Полностью корректно, включая проверку 42×2520=105840=Итого.
GPT-5.6 Terra (low)	10	10	10	10.0	Корректные значения и подтверждённая арифметика.
GPT-5.6 Terra (med)	10	10	10	10.0	Все факты и расчёт верны, аккуратное оформление.
GPT-5.6 Terra (high)	10	10	10	10.0	Все данные и арифметика верны. Чёткий структурированный ответ.
GPT-5.6 Luna (low)	10	10	10	10.0	Полностью корректный ответ с подтверждённой арифметикой.
GPT-5.6 Luna (med)	10	10	10	10.0	Все факты и расчёт верны, аккуратный формат.
GPT-5.6 Luna (high)	10	10	10	10.0	Все значения и арифметика верны, кратко и ясно.
Nemotron-3-Nano-Omni-30B	10	9	10	9.9	Все значения и арифметика верны. Компактный корректный ответ без лишнего.
llama-scout	10	9	9	9.8	Все данные верны, арифметика подтверждена. Формат чуть перегружен дублирующим итогом и LaTeX-долларами, но содержание безупречно.
GPT-5.5 (low)	9	10	9	9.1	Основные данные и арифметика верны, но индекс подрядчика указан как 127453 вместо 127433 — незначительная ошибка в необязательном поле.
GPT-5.5 (medium)	9	10	9	9.1	Ключевые значения и проверка верны, но индекс 127453 вместо 127433 — мелкая неточность в адресе.
MiniMax-M3	8	9	9	8.2	Все запрошенные значения извлечены верно (акт 01 от 15.06.2017, договор 34 от 05.06.2017, ООО «Омега», Монтаж металлических ограждений / пог. м. / 42 / 2520 / 105840) и арифметика 42x2520=105840=Итого подтверждена правильно. Минусы: ошибка OCR в адресе подрядчика («Станционный бульвар» вместо «Славянский») и лишнее домысленное рассуждение про «неосвоенные работы 4160 руб.», которого в документе нет.

Почти все модели дали безупречный ответ; kimi-k2.6, 27b-v2 и gemma-4-31b лидируют полнотой и оформлением. GPT-5.5 low/medium немного снижены за ошибку в индексе адреса (127453 вместо 127433).

kie_стройка_6c64ea88d5 — КС-3: суммы, НДС и проверка арифметики

kie · промпт 550 симв. · Победитель: llama-scout · 10.0/10

▸Промпт задачи

На изображении — фрагмент справки о стоимости выполненных работ (форма типа КС-3) по строительству. Внимательно рассмотрите итоговый блок справа внизу таблицы и ответьте: 1) Чему равно «Итого» (стоимость работ без НДС)? 2) Чему равна «Сумма НДС»? 3) Чему равно «Всего с учетом НДС»? 4) Проверьте арифметику: совпадает ли указанная сумма НДС со ставкой 20% от «Итого»? Какой ставке НДС в процентах фактически соответствует указанная сумма НДС? И верно ли, что «Итого» + «Сумма НДС» = «Всего с учетом НДС»? Ответ давайте конкретными числами с картинки.

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	10	10	10	10.0	Все три числа верны, ставка 18% определена, равенство подтверждено, подробные расчёты.
MiniMax-M3	10	10	10	10.0	Все три числа прочитаны верно (54 787,38 / 9 861,73 / 64 649,11), корректно показано, что 20% дало бы 10 957,48, фактическая ставка 18%, и равенство итог+НДС=всего подтверждено. Дополнительный корректный вывод про период действия ставки 18% и величину недоначисления.
Kimi K2.6	10	10	10	10.0	Образцовый ответ: точные числа, расчёт 18%, подтверждение равенства.
Qwen3.6-27B-FP8	10	9	10	9.9	Все числа и выводы верны, чёткое деление НДС на итог даёт 0,18.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Полностью корректно: числа, вывод про 18% вместо 20%, сходимость итога.
gemma-4-31b	10	9	10	9.9	Верные числа, корректный вывод 18%, подтверждена сходимость.
GPT-5.5 (low)	10	9	10	9.9	Числа и выводы точны, ставка 18,00% и сходимость итога подтверждены.
GPT-5.5 (medium)	10	9	10	9.9	Всё верно, но ставка названа «примерно 18%» без точного расчёта.
Nemotron-3-Nano-Omni-30B	10	9	10	9.9	Все числа и вывод про 18% верны, сходимость подтверждена.
GPT-5.6 Sol (low)	10	9	10	9.9	Корректные числа и вывод про 18%, итог сходится.
GPT-5.6 Sol (med)	10	9	10	9.9	Всё верно: числа, ставка 18%, сходимость итога.
GPT-5.6 Terra (low)	10	9	10	9.9	Точные числа, правильный вывод про фактическую ставку 18%.
GPT-5.6 Terra (med)	10	9	10	9.9	Все числа и выводы верны, итог подтверждён.
GPT-5.6 Terra (high)	10	9	10	9.9	Верные числа, лаконичный корректный вывод про 18% и сходимость.
GPT-5.6 Luna (low)	10	9	10	9.9	Все выводы верны, компактно и корректно.
GPT-5.6 Luna (med)	10	9	10	9.9	Точные числа, деление даёт 18%, равенство подтверждено.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные числа, чёткий вывод про 18% и сходимость итога.
diffusion-gemma	10	8	9	9.7	Содержательно всё верно, но начало текста обрезано («основании…» без «На»).

Все модели прочитали три числа верно, определили фактическую ставку 18% (а не 20%) и подтвердили сходимость итога. Победитель — kimi-k2.6 за наиболее полное и ясное оформление с точными расчётами.

kie_стройка_d87b0bd070 — КС-2: суммы по работам и проверка итога

kie · промпт 468 симв. · Победитель: GPT-5.5 (low) · 10.0/10

▸Промпт задачи

Перед вами акт о приёмке выполненных работ (унифицированная форма № КС-2) по строительному объекту. По таблице работ выпишите для каждой из четырёх строк наименование работ и стоимость в рублях (графа «стоимость, руб.»). Для строк, где указаны количество и цена за единицу, проверьте арифметику (количество × цена за единицу = стоимость). Затем просуммируйте стоимости всех строк и сравните полученную сумму с указанным в документе значением «Итого». Сходится ли итог?

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (low)	10	10	10	10.0	Аккуратная таблица с проверками, итог 16 375 000 сходится — всё верно.
GPT-5.6 Luna (low)	10	10	10	10.0	Чёткая таблица, проверки и верный итог 16 375 000.
GPT-5.6 Luna (med)	10	10	10	10.0	Аккуратная таблица с проверками, итог сходится — всё верно.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Полностью верно, дополнительно сверил сумму прописью в шапке; вывод о сходимости корректен.
GPT-5.5 (medium)	10	9	10	9.9	Все данные, произведения и итог верны, вывод корректен.
MiniMax-M3	10	10	9	9.9	Все четыре строки, количества, цены и стоимости распознаны верно, построчная арифметика проверена, итог 16 375 000 руб. подтверждён как сходящийся. Мелочь: 'распорной' вместо 'распорочной'.
Kimi K2.6	10	9	10	9.9	Подробная построчная проверка, верные числа и вывод о сходимости итога.
GPT-5.6 Sol (low)	10	9	10	9.9	Все данные, произведения и вывод о сходимости верны.
GPT-5.6 Sol (med)	10	9	10	9.9	Верные стоимости, произведения и итог; вывод корректен.
GPT-5.6 Terra (low)	10	9	10	9.9	Верные числа, произведения и вывод о сходимости итога.
GPT-5.6 Terra (med)	10	9	10	9.9	Все данные и произведения верны, итог сходится.
GPT-5.6 Terra (high)	10	9	10	9.9	Все стоимости и произведения верны, итог 16 375 000 сходится.
GPT-5.6 Luna (high)	10	9	10	9.9	Все стоимости, произведения и итог верны, вывод корректен.
llama-scout	10	9	9	9.8	Все 4 стоимости и произведения верны, вывод о сходимости итога 16 375 000 корректен; мелочь — «распорной» вместо «распорочной».
gemma-4-31b	10	9	9	9.8	Все стоимости, произведения и итог верны; незначительно «распорной» вместо «распорочной».
diffusion-gemma	10	9	8	9.7	Верная таблица, проверки и вывод; опечатки «арифметических расчета», «Ито сходится».
Qwen3.6-27B-FP8	7	9	9	7.4	Числа, произведения и итог верны, но строку 1 назвал «Геологические работы» вместо «Геодезические».
Nemotron-3-Nano-Omni-30B	1	1	0	0.9	Ответ «Yes» — ни извлечения данных, ни расчётов, ни русского языка; фактический провал.

Почти все модели дали верные стоимости, произведения и вывод о сходимости итога 16 375 000; 35b-a3b выделяется дополнительной сверкой суммы прописью. Провал у nemotron-omni («Yes»), 27b-v2 ошибся в названии строки 1.

Карты

map_дата-аналитика_0c1604a5cb — Состав РФ по легенде карты

map · промпт 395 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед вами административно-политическая карта Российской Федерации с легендой «В состав Российской Федерации входят:». Опираясь ТОЛЬКО на эту легенду, ответьте: сколько в составе РФ указано (а) республик, (б) краёв, (в) областей, (г) городов федерального значения, (д) автономных областей и (е) автономных округов? Назовите точные числа для каждого типа субъекта так, как они написаны в легенде.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Точные значения, верная привязка, ясная структура и грамотный русский.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все числа верны, аккуратный маркированный список с корректной привязкой.
llama-scout	10	10	10	10.0	Все шесть чисел (24,9,48,3,1,4) верны и правильно привязаны к типам. Чёткая структура.
gemma-4-31b	10	10	10	10.0	Все шесть чисел верны, опрятный список, безупречный русский.
diffusion-gemma	10	10	10	10.0	Верные значения и привязка, чёткое оформление.
GPT-5.5 (low)	10	10	10	10.0	Все числа совпадают с легендой, аккуратная структура.
GPT-5.5 (medium)	10	10	10	10.0	Идеально точный ответ, чёткая структура и корректный русский.
MiniMax-M3	10	10	10	10.0	Все шесть чисел легенды названы верно и с правильной привязкой к типам субъектов (24/9/48/3/1/4). Ответ чёткий, аккуратно структурированный, без выдумок; дополнительного анализа минимум, но он и не требовался.
Kimi K2.6	10	10	10	10.0	Все шесть чисел верны, аккуратный список с привязкой к типам.
GPT-5.6 Sol (low)	10	10	10	10.0	Точный ответ с корректной привязкой, ясная структура.
GPT-5.6 Sol (med)	10	10	10	10.0	Все числа совпадают с легендой, аккуратное оформление.
GPT-5.6 Terra (high)	10	10	10	10.0	Верные значения и привязка, чистый список.
GPT-5.6 Luna (low)	10	10	10	10.0	Верные числа, чёткий список, грамотный русский.
GPT-5.6 Luna (med)	10	10	10	10.0	Все шесть значений верны и правильно сопоставлены.
GPT-5.6 Luna (high)	10	10	10	10.0	Точные значения и правильная привязка, ясное оформление.
GPT-5.6 Terra (low)	10	9	10	9.9	Все числа верны, но ответ в одну строку — чуть менее структурирован.
GPT-5.6 Terra (med)	10	9	10	9.9	Точный ответ, привязка верна; компактный однострочный формат.
Nemotron-3-Nano-Omni-30B	10	5	5	9.0	Числа верны, но ответ голый — без подписей типов и связного русского текста.

Почти все модели дали идеально точный ответ (24,9,48,3,1,4) с верной привязкой; nemotron-omni выделяется голым форматом без подписей.

map_дата-аналитика_aa96809e25 — Федеральные округа России: номер VIII

map · промпт 340 симв. · Победитель: MiniMax-M3 · 9.9/10

▸Промпт задачи

Перед вами политико-административная карта Российской Федерации, на которой федеральные округа обозначены римскими цифрами (I–VIII), а их расшифровка дана в легенде внизу карты («ФЕДЕРАЛЬНЫЕ ОКРУГА»). Какой федеральный округ обозначен на карте римской цифрой VIII? Укажите его название и кратко поясните, в какой части страны он расположен.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	9	10	9.9	Округ VIII определён верно (Дальневосточный), расположение и перечисленные субъекты (Якутия, Хабаровский и Приморский края, Камчатка, Сахалин, Чукотка) соответствуют карте, фактических ошибок нет. Ответ содержательнее эталонного минимума, оформление аккуратное, русский язык безупречный.
GPT-5.5 (low)	10	8	9	9.7	Точный ответ с корректным перечислением регионов и указанием на побережье Тихого океана.
GPT-5.5 (medium)	10	8	9	9.7	Точно, компактно и верно: округ и его регионы названы без ошибок.
GPT-5.6 Sol (low)	10	7	9	9.6	Верно и полно: Забайкалье действительно входит в ДВФО, регионы названы корректно.
GPT-5.6 Sol (med)	10	7	9	9.6	Точный ответ с корректным перечислением территорий Дальнего Востока.
GPT-5.6 Terra (med)	10	7	9	9.6	Точно и содержательно: округ и его регионы от Якутии и Забайкалья до Тихого океана.
GPT-5.6 Luna (med)	10	6	9	9.5	Точно назван округ и его регионы от Якутии до Приморья, без ошибок.
Qwen3.6-27B-FP8	9	9	9	9.0	Верный ответ, чёткое пояснение о восточном расположении и составе, аккуратное оформление.
diffusion-gemma	9	8	9	8.9	Верно, кратко и по делу: восток страны, выход к Тихому океану.
gemma-4-31b	9	7	9	8.8	Ответ верный, но предельно краткий, без содержательного пояснения.
GPT-5.6 Terra (low)	9	6	9	8.7	Ответ верный, но пояснение очень скупое.
GPT-5.6 Terra (high)	9	6	9	8.7	Верно, но пояснение минимальное — только восток и тихоокеанское побережье.
GPT-5.6 Luna (low)	9	6	8	8.6	Верный ответ, краткое корректное пояснение о восточном положении у Тихого океана.
Nemotron-3-Nano-Omni-30B	9	5	8	8.5	Верно назван округ, но ответ в одну фразу, без анализа и структуры.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Верно назван Дальневосточный округ, но «простираясь от гор Урала» — фактическая ошибка, ДВФО до Урала не доходит.
llama-scout	8	9	9	8.2	Округ назван верно, но фраза «до границы с Якутией и Чукотским АО» ошибочна — они входят в ДВФО; много общего текста без опоры на карту.
Kimi K2.6	8	8	7	7.9	Округ верный, но «от Байкальского региона» неточно и грамматическая ошибка «крайнем восточной части».
GPT-5.6 Luna (high)	8	6	8	7.8	Верно, но формулировка «Сибирь к востоку от Якутии» путаная и географически неаккуратная.

Все модели верно определили VIII = Дальневосточный ФО. Лидеры (gpt-5.5, gpt-5.6-sol/terra-medium, 27b-v2) сочетают точность и внятное пояснение; ошибки у 35b (Урал), llama и kimi (границы/грамматика).

map_дата-аналитика_98808f0c04 — Соседняя страна и море на политической карте России

map · промпт 517 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

Перед вами политическая карта Российской Федерации с подписями соседних государств, морей и городов. Ответьте на два вопроса, опираясь только на подписи, которые реально видны на карте: 1) Какое государство граничит с Россией на юге в районе Урала и Западной Сибири (его название крупно подписано вдоль южной границы, а на его территории отмечена столица Астана)? 2) Как называется море на Дальнем Востоке, у берегов которого подписаны города Магадан и Петропавловск-Камчатский и рядом с которым лежит остров Сахалин?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Оба объекта названы верно, с указанием опорных подписей.
llama-scout	10	9	10	9.9	Верно и с опорой на подписи (Астана, Сахалин), развёрнуто и структурно.
MiniMax-M3	10	9	10	9.9	Оба объекта названы верно: Казахстан (с Астаной) и Охотское море (Магадан, Петропавловск-Камчатский, Сахалин). Ответ краткий, точный, с корректной опорой на подписи карты.
Kimi K2.6	10	9	10	9.9	Верно, с чётким указанием опорных подписей (Астана, Магадан, Сахалин).
Qwen3.6-27B-FP8	10	8	10	9.8	Оба ответа верны (Казахстан, Охотское море), но без обоснования.
gemma-4-31b	10	8	10	9.8	Верно, но лаконично без обоснования.
GPT-5.5 (low)	10	8	10	9.8	Оба ответа верны, минимальный формат без обоснования.
GPT-5.5 (medium)	10	8	10	9.8	Оба ответа верны, минимальный формат без обоснования.
Nemotron-3-Nano-Omni-30B	10	8	10	9.8	Верно, кратко без пояснений.
GPT-5.6 Sol (low)	10	8	10	9.8	Оба ответа верны, без обоснования.
GPT-5.6 Sol (med)	10	8	10	9.8	Оба ответа верны, без обоснования.
GPT-5.6 Terra (low)	10	8	10	9.8	Оба ответа верны, без обоснования.
GPT-5.6 Terra (med)	10	8	10	9.8	Оба ответа верны, без обоснования.
GPT-5.6 Terra (high)	10	8	10	9.8	Оба ответа верны, без обоснования.
GPT-5.6 Luna (low)	10	8	10	9.8	Оба ответа верны, без обоснования.
GPT-5.6 Luna (med)	10	8	10	9.8	Оба ответа верны, без обоснования.
GPT-5.6 Luna (high)	10	8	10	9.8	Оба ответа верны, без обоснования.
diffusion-gemma	10	8	8	9.6	Верно и с пояснениями, но опечатка в начале ('пираясь').

Все модели дали верные ответы (Казахстан, Охотское море); выше оценены развёрнутые с опорой на подписи (kimi-k2.6, llama-scout).

map_нефтегаз_3216a7cd0a — Карта нефтяной промышленности России: район концентрации месторождений

map · промпт 517 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед вами тематическая карта России «Нефтяная промышленность». Месторождения нефти обозначены чёрными значками в виде вышек/треугольников. Внимательно посмотрите на распределение этих значков по территории страны и ответьте: в какой части России (по сторонам света / по крупному региону) наблюдается наибольшая, самая плотная концентрация значков месторождений? Кратко обоснуйте ответ тем, что видно на карте. Дополнительно укажите, как называется океан, подписанный крупными буквами вдоль всего верхнего края карты.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Западная Сибирь и Северный Ледовитый океан названы верно, хорошее обоснование.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верно назван регион (Западная Сибирь, ХМАО) и океан; корректное сравнение с Волго-Уралом и Сахалином.
GPT-5.5 (low)	10	9	10	9.9	Точно: ХМАО/ЯНАО, центрально-северная часть восточнее Урала, океан верен.
Kimi K2.6	10	9	10	9.9	Западная Сибирь между Уралом и Енисеем, океан верен, хорошее обоснование.
GPT-5.6 Sol (med)	10	9	10	9.9	Западно-Сибирская равнина, самый густой кластер, океан верен.
GPT-5.6 Luna (med)	10	9	10	9.9	Между Уралом и Енисеем, ХМАО/ЯНАО, океан верен.
gemma-4-31b	9	9	10	9.1	Кратко и точно: Западная Сибирь, восточнее Урала, океан верен.
GPT-5.6 Sol (low)	9	9	10	9.1	Западная Сибирь, север равнины, океан верен.
GPT-5.6 Terra (low)	9	9	10	9.1	Регион и океан правильные, лаконичный ответ.
GPT-5.6 Terra (med)	9	9	10	9.1	ХМАО и среднее течение Оби, океан верен.
GPT-5.6 Terra (high)	9	9	10	9.1	Тюмень, ХМАО, ЯНАО и океан названы верно, кратко.
GPT-5.6 Luna (low)	9	9	10	9.1	Регион и океан названы правильно, лаконично.
GPT-5.6 Luna (high)	9	9	10	9.1	Западная Сибирь (Тюмень, ХМАО, ЯНАО) и океан верны, кратко.
llama-scout	9	9	9	9.0	Регион и океан верны; упоминание севера Омской области немного неточно, но в целичном точно.
diffusion-gemma	9	9	9	9.0	Регион (Западная Сибирь, восточнее Урала) и океан названы правильно.
GPT-5.5 (medium)	8	8	9	8.1	Суть верна, но формулировка про 'северо-восточную часть Европейской России' путаная.
MiniMax-M3	5	8	9	5.7	Океан назван верно, и Западная Сибирь (Среднее Приобье) упомянута, но главный вывод сформулирован неверно: модель относит плотнейшее скопление к «западной и центрально-западной части», к западу/северо-западу от центра карты и утверждает, что восточнее Урала значков мало, тогда как густое пятно лежит именно восточнее Урала, в центре карты. Оформление и русский язык хорошие.
Nemotron-3-Nano-Omni-30B	3	8	8	4.0	Регион в целом верен, но выдуманы названия месторождений ('Полоное') и океан назван неверно — 'Северный Океан' без 'Ледовитый'.

Почти все модели верно назвали Западную Сибирь и Северный Ледовитый океан; лучший баланс точности и обоснования у 35b-a3b. nemotron-omni проваливает из-за выдуманных месторождений и неверного названия океана.

map_нефтегаз_69267036d1 — Условные обозначения трубопроводов на карте нефтегаза России

map · промпт 439 симв. · Победитель: MiniMax-M3 · 9.9/10

▸Промпт задачи

Перед вами карта нефтегазовой промышленности России (масштаб 1:30 000 000). Посмотрите на блок легенды «Транспортировка нефти и нефтепродуктов, газа» в нижней части карты. Какими линиями (какого цвета) на этой карте показаны: а) магистральные нефтепроводы и нефтепродуктопроводы; б) магистральные газопроводы? Также укажите, что, согласно пояснению в легенде, означает число линий, нарисованных вдоль одного маршрута трубопровода на карте.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	9	10	9.9	Все три пункта верны: красные линии — нефте/нефтепродуктопроводы, чёрные — газопроводы, число линий равно числу ниток трубопровода. Небольшой минус за необязательную добавку про пропускную способность (в легенде этого нет) и излишне тяжёлую разметку заголовками.
GPT-5.5 (medium)	9	8	9	8.9	Всё верно: красно-коричневые нефтепроводы, чёрные газопроводы, точное пояснение про число ниток.
GPT-5.6 Sol (med)	9	8	9	8.9	Верно: тёмно-красные нефтепроводы, чёрные газопроводы, число ниток.
GPT-5.6 Terra (low)	9	8	9	8.9	Верно: нефтепроводы красные, газопроводы чёрные, число ниток.
GPT-5.6 Terra (med)	9	8	9	8.9	Верно: красно-коричневые нефтепроводы, чёрные газопроводы, число трубопроводов/ниток.
GPT-5.6 Luna (med)	9	8	9	8.9	Всё верно: красно-коричневые нефтепроводы, чёрные газопроводы, число ниток.
GPT-5.6 Luna (high)	9	8	9	8.9	Верно: нефтепроводы красные, газопроводы чёрные, число ниток. Кратко и точно.
diffusion-gemma	9	8	8	8.8	Все три пункта верны: нефтепроводы красные, газопроводы чёрные, число ниток. Небольшая опечатка в начале.
Qwen3.6-27B-FP8	5	8	9	5.7	Нефтепроводы красные — верно, газопроводы ошибочно коричневые. Про параллельные нитки передано верно, хотя цитата легенды искажена.
Qwen3.6-35B-A3B-FP8	5	8	9	5.7	Красный цвет нефтепроводов верен, но газопроводы ошибочно коричневые. Про число ниток верно.
llama-scout	5	8	9	5.7	Нефтепроводы верно красные, но газопроводы названы коричневыми вместо тёмных/чёрных — ошибка цвета. Про число ниток верно.
gemma-4-31b	5	8	9	5.7	Красный цвет верен, газопроводы ошибочно коричневые. Про число ниток верно.
GPT-5.6 Luna (low)	4	7	9	4.8	Нефтепроводы верно красные, но газопроводы названы синими — выдуманный цвет. Про нитки верно.
GPT-5.5 (low)	1	7	9	2.4	Цвета перепутаны местами: нефтепроводы названы коричневыми, газопроводы красными. Только пункт про нитки верен.
Kimi K2.6	1	7	9	2.4	Цвета перепутаны: нефтепроводы названы тёмными/чёрными, газопроводы красными. Только нитки верно.
GPT-5.6 Sol (low)	1	7	9	2.4	Цвета перепутаны: нефтепроводы чёрные, газопроводы красные. Только нитки верно.
GPT-5.6 Terra (high)	1	7	9	2.4	Цвета перепутаны местами: нефтепроводы чёрные, газопроводы красно-коричневые. Только нитки верно.
Nemotron-3-Nano-Omni-30B	1	5	8	2.1	Оба типа названы чёрными (сплошные/пунктирные) — цвета не распознаны. Красного нет вовсе, грубая ошибка.

Полностью верны цвета и пояснение про нитки у diffusion-gemma и линейки gpt-5.6 (luna/sol/terra medium/low, terra-medium/luna-high), но gpt-5.5-medium лучший по полноте объяснения. Модели с коричневыми газопроводами частично ошиблись, а перепутавшие цвета местами (gpt-5.5-low, kimi, sol-low, terra-high, nemotron) провалились.

map_дата-аналитика_2affe7348e — Федеральные округа на карте РФ

map · промпт 514 симв. · Победитель: MiniMax-M3 · 8.2/10

▸Промпт задачи

На изображении — политико-административная карта Российской Федерации, а в нижней части расположена врезка-схема «Список федеральных округов», где федеральные округа окрашены разными цветами и пронумерованы. Глядя на эту врезку с федеральными округами, ответьте: какой федеральный округ занимает самую большую по площади территорию на востоке страны (крупная оранжево-жёлтая область, помеченная цифрой 4)? Назовите его. Также перечислите, какие ещё названия федеральных округов приведены в легенде рядом с врезкой.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	8	9	9	8.2	Ключевой факт определён верно: округ №4 — Дальневосточный; перечислены все восемь округов легенды. Небольшой минус за то, что список приведён из общих знаний ('как правило') с собственной нумерацией, не совпадающей с нумерацией врезки, плюс необязательный перечень субъектов ДФО, не читаемый по врезке.
Qwen3.6-27B-FP8	8	8	9	8.1	Верно определён Дальневосточный округ, перечислены остальные семь округов без выдумок.
Qwen3.6-35B-A3B-FP8	8	8	9	8.1	Верно: №4 — Дальневосточный. Список округов адекватный, пропущен Северо-Кавказский, но добавлен разумный контекст.
gemma-4-31b	8	8	9	8.1	Правильный ответ и полный корректный перечень округов из легенды.
GPT-5.5 (low)	8	8	9	8.1	Верный ответ и полный список из восьми реальных округов без ошибок.
GPT-5.6 Sol (low)	8	8	9	8.1	Верный ответ, корректный перечень округов.
GPT-5.6 Sol (med)	8	8	9	8.1	Правильный ответ и точный список округов.
GPT-5.6 Terra (med)	8	8	9	8.1	Правильный ответ и корректный перечень округов.
GPT-5.6 Terra (high)	8	8	9	8.1	Верно, Дальневосточный округ, корректный перечень.
GPT-5.6 Luna (low)	8	8	9	8.1	Верно определён Дальневосточный округ, список округов корректен.
GPT-5.6 Luna (med)	8	8	9	8.1	Правильный ответ и точный перечень округов.
GPT-5.6 Luna (high)	8	8	9	8.1	Верный ответ, корректный перечень семи округов.
Kimi K2.6	7	8	9	7.3	Ответ верный, но перечень дан как общее знание о 'современных картах', а не строго по легенде.
GPT-5.5 (medium)	6	8	9	6.5	Ответ верный, но добавлен несуществующий 'Крымский федеральный округ' — выдумка.
GPT-5.6 Terra (low)	6	8	9	6.5	Ответ верный, но добавлен несуществующий 'Крымский федеральный округ'.
llama-scout	2	7	8	3.1	Главный факт неверен: округ №4 назван Сибирским, тогда как это Дальневосточный. Список округов приведён корректно.
diffusion-gemma	1	5	3	1.6	Выдумал несуществующий 'Восточный федеральный округ', имена искажены опечатками ('Североверный', 'Северо-каказский').
Nemotron-3-Nano-Omni-30B	1	1	2	1.1	Ответ 'Южный' неверен, перечень не приведён, содержание практически пустое.

Большинство моделей верно определили округ №4 как Дальневосточный; gpt-5.5-low дал точный ответ и полный список реальных округов без выдумок.

map_общее_352e53d211 — Кольцевая линия на схеме метро

map · промпт 268 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

Перед вами схема Московского метрополитена. В легенде (списке линий) внизу слева найдите Кольцевую линию. Укажите её порядковый номер в списке и цвет, которым она обозначена на схеме. Также назовите, до какого года рассчитана эта схема развития (см. заголовок вверху).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Номер 5, коричневый, 2100 — всё верно, аккуратный список.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Всё верно: номер 5, коричневый, 2100. Чёткий структурированный ответ.
gemma-4-31b	10	9	9	9.8	Все три факта верны, ясная нумерованная структура.
GPT-5.5 (low)	10	9	9	9.8	5, коричневый, 2100 — всё верно, кратко и ясно.
GPT-5.5 (medium)	10	9	9	9.8	Все факты верны, компактный аккуратный ответ.
Kimi K2.6	10	9	9	9.8	5, коричневый, 2100 — всё верно, ссылка на заголовок.
GPT-5.6 Sol (low)	10	8	9	9.7	Все три факта верны, лаконично.
GPT-5.6 Sol (med)	10	8	9	9.7	Все три факта верны, лаконично.
GPT-5.6 Terra (high)	10	8	9	9.7	Все три факта верны, лаконично.
GPT-5.6 Luna (low)	10	8	9	9.7	Все три факта верны, лаконично.
GPT-5.6 Luna (med)	10	8	9	9.7	Все три факта верны, лаконично.
GPT-5.6 Luna (high)	10	8	9	9.7	Все три факта верны, лаконично.
GPT-5.6 Terra (low)	4	8	9	4.9	Цвет и год верны, но номер назван 4 вместо 5 — ошибка.
llama-scout	4	8	8	4.8	Номер 5 и год 2100 верны, но цвет назван синим — грубая ошибка.
MiniMax-M3	4	8	8	4.8	Цвет (коричневый) и год (2100) указаны верно, но порядковый номер назван неверно — 11 (это Большая кольцевая) вместо 5 «КОЛЬЦЕВАЯ». Одна из трёх ключевых деталей ошибочна при аккуратном оформлении.
diffusion-gemma	4	7	7	4.6	Номер 5 и год 2100 верны, но цвет назван жёлтым — ошибка; обрезано начало слова.
GPT-5.6 Terra (med)	2	8	9	3.3	Верен только год; номер 4 и жёлтый цвет неверны.
Nemotron-3-Nano-Omni-30B	1	6	6	2.0	Номер 11 и тёмно-синий цвет неверны; верен только год. Провал по сути.

Кольцевая — №5, коричневая, схема до 2100. Множество моделей ответили идеально; 35b-a3b дал самый полный и структурированный верный ответ.

map_нефтегаз_83aa5a1aa7 — Цвета линий нефтепродуктопроводов Транснефтепродукт

map · промпт 428 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед вами карта нефтепродуктопроводов ОАО «АК «Транснефтепродукт». Используя условные обозначения (легенду) в правой части карты, ответьте: каким цветом на карте показан «Строящийся и предлагаемый к строительству МНПП» (магистральный нефтепродуктопровод), и каким цветом — «Существующий магистральный нефтепродуктопровод (МНПП)»? Также укажите, какой объект обозначен красным значком в виде капли в самом нижнем пункте легенды.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью верно: красный, тёмно-синий, водные пункты налива. Структурировано.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Красный/тёмно-синий/водные пункты — все три пункта верны и чётко изложены.
GPT-5.5 (low)	10	9	10	9.9	Все три пункта верны, чётко со ссылкой на линии легенды.
GPT-5.5 (medium)	10	9	10	9.9	Красный/тёмно-синий/водные пункты — точно и лаконично.
Kimi K2.6	10	9	10	9.9	Красный/тёмно-синий/водные пункты — всё верно и аккуратно оформлено.
GPT-5.6 Sol (low)	10	9	10	9.9	Красный/тёмно-синий/водные пункты — точно.
GPT-5.6 Luna (med)	10	9	10	9.9	Верно по всем трём пунктам, лаконично.
GPT-5.6 Luna (high)	10	9	10	9.9	Все три пункта верны, кратко и ясно.
GPT-5.6 Sol (med)	10	8	10	9.8	Все пункты верны, изложено связным текстом.
GPT-5.6 Terra (low)	10	8	10	9.8	Все три пункта верны, кратко.
GPT-5.6 Terra (med)	10	8	10	9.8	Верно по всем пунктам.
GPT-5.6 Terra (high)	10	8	10	9.8	Верно: красный, тёмно-синий, водные пункты налива.
llama-scout	9	9	10	9.1	Строящийся — красный, существующий назван чёрным (допустимо как тёмный), капля — водные пункты. Всё по сути верно.
diffusion-gemma	9	8	8	8.8	Красный/синий/водные пункты — верно; 'синий' менее точно, чем тёмно-синий. Есть опечатка в начале.
MiniMax-M3	8	9	9	8.2	Все три пункта названы верно: красный — строящийся МНПП, тёмный синий — существующий, красная капля — водные пункты налива. Небольшая неточность в оттенке: существующий МНПП назван «синим (голубым)», тогда как голубым показаны выведенные из эксплуатации МНПП.
GPT-5.6 Luna (low)	5	8	10	5.8	Цвета линий верны, но красная капля ошибочно названа предлагаемым ППС — выдумка вместо водных пунктов.
Nemotron-3-Nano-Omni-30B	3	2	6	3.2	'Синий и красный' без привязки к пунктам — порядок неоднозначен/обратный вопросу. Капля указана верно, но ответ по цветам ненадёжен.
gemma-4-31b	1	8	10	2.6	Перепутаны ключевые цвета: строящийся назван синим пунктиром, существующий — синим. Верна только красная капля.

Большинство моделей дали полностью верный ответ; 27b-v2 максимально точен, структурирован и с указанием тёмно-синего. Провалы: gemma-4-31b (перепутаны цвета), luna-low (выдумала ППС), nemotron (неоднозначные цвета).

map_общее_516afa9b9e — Кольцевая линия на схеме московского метро

map · промпт 238 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед вами схема линий Московского метрополитена. По легенде в нижней части изображения определите: каким номером и каким цветом на схеме обозначена Кольцевая линия? Также назовите цвет, которым обозначена Сокольническая линия (линия №1).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Верно: Кольцевая №5 коричневая, Сокольническая красная. Чёткая структура с выделением.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верный ответ, аккуратная структура со списком.
gemma-4-31b	10	9	10	9.9	Верно и чётко оформлено списком.
diffusion-gemma	10	9	10	9.9	Верный ответ, ясная структура.
MiniMax-M3	10	9	10	9.9	Все три факта верны: Кольцевая — №5, коричневая, Сокольническая №1 — красная; добавлено корректное уточнение про кольцо в центре схемы. Ответ краток и точен, глубокого анализа не требовалось.
Kimi K2.6	10	9	10	9.9	Верно, аккуратный список с выделением.
llama-scout	10	8	10	9.8	Всё верно, но номера в LaTeX-обёртке ($5$, $1$) выглядят неопрятно.
GPT-5.5 (low)	10	8	10	9.8	Всё верно, лаконично и ясно.
GPT-5.5 (medium)	10	8	10	9.8	Всё верно, лаконично и ясно.
GPT-5.6 Sol (low)	10	8	10	9.8	Верно, кратко и понятно.
GPT-5.6 Sol (med)	10	8	10	9.8	Верно, кратко и понятно.
GPT-5.6 Terra (low)	10	8	10	9.8	Верный и ясный ответ.
GPT-5.6 Terra (med)	10	8	10	9.8	Верно, кратко и понятно.
GPT-5.6 Terra (high)	10	8	10	9.8	Верный и ясный ответ.
GPT-5.6 Luna (low)	10	8	10	9.8	Верный и ясный ответ.
GPT-5.6 Luna (med)	10	8	10	9.8	Верный и ясный ответ.
GPT-5.6 Luna (high)	10	8	10	9.8	Верный и ясный ответ.
Nemotron-3-Nano-Omni-30B	10	6	10	9.6	Ответ верный, но предельно сжат одной строкой без структуры.

Все модели дали верный ответ (Кольцевая №5 коричневая, Сокольническая красная). Различия только в оформлении; структурированные списки (27b-v2, 35b-a3b, gemma, kimi) чуть выигрывают, nemotron-omni слабее по формату.

map_общее_468fd65c9a — Цвет ветки на схеме метро Москвы

map · промпт 279 симв. · Победитель: gemma-4-31b · 9.9/10

▸Промпт задачи

Перед вами схема метро Москвы 2025 года. По легенде в нижней части схемы определите, каким цветом обозначены следующие линии метро: 1) Сокольническая, 2) Замоскворецкая, 3) Кольцевая, 4) Калужско-Рижская, 5) Таганско-Краснопресненская. Для каждой линии назовите её цвет на схеме.

Модель	C	F	Ru	Σ	Комментарий судьи
gemma-4-31b	10	9	10	9.9	Все цвета верны, естественный русский язык.
MiniMax-M3	10	9	10	9.9	Все пять цветов линий определены верно по легенде, включая уточнение 'пурпурный' для Таганско-Краснопресненской. Ответ краток и структурирован, но без пояснений процесса анализа.
Kimi K2.6	10	9	10	9.9	Все цвета верны, для фиолетового дано уточнение (пурпурный).
Qwen3.6-27B-FP8	10	9	9	9.8	Все цвета верны, аккуратный список.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Все цвета верны, аккуратный список.
llama-scout	10	9	9	9.8	Все 5 цветов указаны верно, чёткая структура с заголовками.
GPT-5.5 (low)	10	8	10	9.8	Все цвета верны, лаконичный ответ.
GPT-5.5 (medium)	10	8	10	9.8	Все цвета верны, лаконичный ответ.
GPT-5.6 Sol (low)	10	8	10	9.8	Все цвета верны, лаконично.
GPT-5.6 Sol (med)	10	8	10	9.8	Все цвета верны, лаконично.
GPT-5.6 Terra (low)	10	8	10	9.8	Все цвета верны, лаконично.
GPT-5.6 Terra (med)	10	8	10	9.8	Все цвета верны, лаконично.
GPT-5.6 Terra (high)	10	8	10	9.8	Все цвета верны, лаконично.
GPT-5.6 Luna (low)	10	8	10	9.8	Все цвета верны, чёткий список.
GPT-5.6 Luna (med)	10	8	10	9.8	Все цвета верны, чёткий список.
GPT-5.6 Luna (high)	10	8	10	9.8	Все цвета верны, чёткий список.
Nemotron-3-Nano-Omni-30B	10	7	10	9.7	Все цвета верны, ответ в одну строку.
diffusion-gemma	2	8	9	3.3	Верны лишь 2 из 5: Замоскворецкая (синий вместо зелёного), Калужско-Рижская (жёлтый вместо оранжевого) и Таганско-Краснопресненская (зелёный вместо фиолетового) названы неверно.

Почти все модели верно назвали все 5 цветов; kimi-k2.6 дополнительно уточнил оттенок фиолетового. diffusion-gemma провалился, ошибившись в 3 из 5 линий.

map_общее_baf1626518 — Аэропорты на схеме метро Москвы

map · промпт 347 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед вами схема Московского метрополитена (с пригородными направлениями). На схеме отмечены аэропорты, причём рядом с названием каждого указан его трёхбуквенный международный код (в латинице). Найдите на схеме все аэропорты и перечислите их: напишите название каждого аэропорта и его трёхбуквенный код. Сколько всего аэропортов отмечено на схеме?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Верно перечислены все четыре аэропорта с кодами и расположением.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все четыре аэропорта и коды верны, добавлены детали о линиях (частично не точны, но не критично).
llama-scout	10	9	10	9.9	Все четыре аэропорта с верными кодами, число 4 указано.
gemma-4-31b	10	9	10	9.9	Все четыре аэропорта и коды верны, порядок иной, но корректно.
GPT-5.5 (low)	10	9	10	9.9	Все четыре аэропорта с верными кодами, число 4 указано.
GPT-5.5 (medium)	10	9	10	9.9	Все четыре аэропорта с верными кодами, число 4 указано.
Nemotron-3-Nano-Omni-30B	10	9	10	9.9	Все четыре аэропорта с кодами и расположением верны.
Kimi K2.6	10	9	10	9.9	Все четыре аэропорта с верными кодами, число 4 указано.
GPT-5.6 Sol (low)	10	9	10	9.9	Все четыре аэропорта с верными кодами.
GPT-5.6 Sol (med)	10	9	10	9.9	Все четыре аэропорта с верными кодами.
GPT-5.6 Terra (med)	10	9	10	9.9	Все четыре аэропорта с верными кодами.
GPT-5.6 Terra (high)	10	9	10	9.9	Все четыре аэропорта с верными кодами.
GPT-5.6 Luna (low)	10	9	10	9.9	Все четыре аэропорта с верными кодами.
GPT-5.6 Luna (med)	10	9	10	9.9	Все четыре аэропорта с верными кодами.
GPT-5.6 Luna (high)	10	9	10	9.9	Все четыре аэропорта с верными кодами.
GPT-5.6 Terra (low)	10	8	10	9.8	Все четыре аэропорта с верными кодами, число 4 указано.
MiniMax-M3	9	10	10	9.2	Все четыре аэропорта и их коды (SVO, VKO, DME, ZIA) указаны верно, число 4 названо; мелкая неточность — Домодедово отнесено к юго-востоку (на схеме внизу, юг), а расположение Жуковского продублировано тем же направлением. Оформление таблицей и русский язык безупречны.
diffusion-gemma	0	5	8	1.3	Грубая галлюцинация: 7 аэропортов, придуманы несуществующие (Ховрино, Планерная, Раменевское) с фейковыми кодами.

Почти все модели верно назвали 4 аэропорта с кодами SVO/VKO/DME/ZIA; 35b-a3b дал наиболее подробный ответ. diffusion-gemma грубо галлюцинировал (7 аэропортов).

map_нефтегаз_4891966cb9 — Маршрут нефтепровода ВСТО по карте

map · промпт 474 симв. · Победитель: Kimi K2.6 · 9.9/10

▸Промпт задачи

На этой карте нефтегазовой инфраструктуры России найдите магистральный нефтепровод ВСТО (он подписан жирными чёрными буквами «ВСТО» вдоль линии трубопровода в восточной части страны). Опишите его маршрут: от какого начального пункта он идёт, через какой узловой город на востоке проходит и где от этого города ответвляется отвод с подписью направления, а также к какому конечному терминалу на тихоокеанском побережье он выходит. Назовите все эти подписанные на карте пункты.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	9	10	9.9	Полностью верный маршрут, отличная структура и русский язык, корректно указан значок налива у Козьмино.
GPT-5.5 (low)	10	9	9	9.8	Все пункты верны: Тайшет, Сковородино, «в Китай», Козьмино у Владивостока.
GPT-5.5 (medium)	10	9	9	9.8	Точный и полный маршрут со всеми подписанными пунктами.
Qwen3.6-35B-A3B-FP8	10	8	9	9.7	Полностью верный маршрут: Тайшет, Сковородино с отводом «В Китай», Козьмино на Японском море.
GPT-5.6 Sol (low)	10	8	9	9.7	Все пункты верны, Козьмино корректно привязан к Владивостоку.
GPT-5.6 Sol (med)	10	8	9	9.7	Верный и полный маршрут со всеми подписанными пунктами.
GPT-5.6 Terra (med)	10	8	9	9.7	Верный маршрут Тайшет→Сковородино→Козьмино с отводом «В Китай».
GPT-5.6 Luna (high)	10	8	9	9.7	Верный маршрут, корректно уточнено, что конечный терминал именно Козьмино, а не Владивосток.
GPT-5.6 Terra (low)	10	7	9	9.6	Все пункты верны, кратко и точно.
GPT-5.6 Luna (low)	10	7	9	9.6	Все пункты верны, кратко и точно.
GPT-5.6 Luna (med)	10	7	9	9.6	Верный маршрут: Тайшет, Сковородино, отвод «в Китай», Козьмино.
GPT-5.6 Terra (high)	10	6	9	9.5	Маршрут верный, но без структуры — сплошным текстом.
Qwen3.6-27B-FP8	9	8	9	8.9	Все пункты верны, но Козьмино ошибочно помещён на Охотское море вместо Японского.
llama-scout	9	8	9	8.9	Все ключевые пункты верны: Тайшет, Сковородино+В Китай, Козьмино. Мелкая ошибка: Козьмино отнесён к Татарскому проливу у Находки.
diffusion-gemma	4	7	5	4.4	Тайшет, Сковородино и «В Китай» верны, но конечный терминал назван Ванино вместо Козьмино; текст с искажениями («Восточная Сить»).
gemma-4-31b	3	7	7	3.8	Сковородино и «В Китай» верны, но начало (Западно-Сибирская НГП) и конец (Яноморская НГП) выдуманы вместо Тайшета и Козьмино.
MiniMax-M3	2	8	8	3.2	Правильно указаны Сковородино с отводом «В КИТАЙ» и конечный терминал Козьмино, но начальный пункт назван Ангарском вместо подписанного на карте Тайшета, а «Куйбышевск» и подпись «Ст. от Ангарска» полностью выдуманы — на карте их нет. Оформление и русский язык хорошие, однако галлюцинации подписей обнуляют точность.
Nemotron-3-Nano-Omni-30B	1	3	1	1.2	Выдумки (Kitay-Gorod как начало, Khabarovsk), маршрут перепутан, ответ преимущественно на английском.

Множество моделей дали полностью верный маршрут; kimi-k2.6 выделяется идеальным русским, чёткой структурой и точной привязкой Козьмино к значку морского налива.

map_нефтегаз_3944a26f69 — Маршрут нефтепровода Москва — Балтика

map · промпт 600 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

Перед вами «Схема магистральных нефтепроводов ОАО "АК "Транснефть" и стран ближнего зарубежья». Рассмотрите карту и легенду («Условные обозначения») в правом верхнем углу. Ответьте на вопросы: 1) Какой объект на схеме обозначен жирной чёрной стрелкой согласно легенде, и какой порт на побережье Балтийского моря (севернее Санкт-Петербургской зоны) подписан на карте именно таким значком? 2) Назовите два морских порта на побережье Чёрного и Каспийского морей (по одному в западной/южной части карты), подписанных на схеме. Перечислите конкретные подписи городов/портов так, как они написаны на карте.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верно: стрелка=Порты, Приморск, Одесса и Баку, с корректными дополнениями. Всё соответствует карте.
gemma-4-31b	10	9	10	9.9	Полностью верно: Порты, Приморск, Батуми и Баку плюс корректные Одесса/Херсон/Красноводск.
MiniMax-M3	10	9	10	9.9	Легенда прочитана верно (стрелка = «Порты»), балтийский порт Приморск назван точно, а Одесса и Баку действительно подписаны на карте у Чёрного и Каспийского морей. Ответ лаконичный и без выдумок, анализ минимален, но задача решена полностью.
GPT-5.6 Sol (low)	10	9	10	9.9	Верно: Порты, Приморск, Батуми, Баку.
GPT-5.6 Sol (med)	10	9	10	9.9	Верно: Порты, Приморск, Одесса, Баку.
GPT-5.6 Luna (med)	10	9	10	9.9	Верно: Порты, Приморск, Одесса, Херсон, Баку.
GPT-5.6 Luna (high)	10	9	10	9.9	Верно: Порты, Приморск, Одесса, Баку.
GPT-5.5 (medium)	10	9	9	9.8	Верно: Порты, Приморск, Батум, Баку. Форма 'Батум' мелкая условность.
GPT-5.6 Luna (low)	10	8	10	9.8	Верно: Порты, Приморск, Одесса, Баку. Кратко.
GPT-5.6 Terra (high)	10	8	9	9.7	Верно: Порты, Приморск, Батум, Баку. Очень лаконично.
GPT-5.5 (low)	9	8	9	8.9	Верно: Порты, Приморск, Одесса/Батум, Баку/Красноводск. Незначительно 'Батум'.
diffusion-gemma	9	8	5	8.5	Ответы по сути верны (Порты, Приморск, Батуми, Атырау/Красноводск), но много опечаток: 'сновываясь', 'част', 'Красноводок'.
GPT-5.6 Terra (low)	6	8	10	6.6	Q1 верно, Баку верно, но Новороссийск как черноморский порт не подписан на карте — выдумка.
GPT-5.6 Terra (med)	6	8	10	6.6	Q1 верно, Красноводск верно, но Новороссийск не подписан на карте — выдумка.
Qwen3.6-27B-FP8	6	8	9	6.5	Q1 верно, но добавлен несуществующий Усть-Луга; в Q2 ведёт Новороссийск (не подписан), хотя корректно перечисляет Батуми/Одесса/Херсон/Баку/Атырау.
Kimi K2.6	5	8	9	5.7	Q1 верно, Одесса верно, но каспийский порт назван Актау (на карте нет); упомянутые Туапсе/Новороссийск/Махачкала также не подписаны.
llama-scout	3	8	9	4.1	Q1 верно (Порты, Приморск), но в Q2 обе подписи выдуманы: Новороссийск не подписан явно, Махачкала на карте не видна.
Nemotron-3-Nano-Omni-30B	2	7	7	3.0	Балтийский порт назван бессмысленно 'Пулонч' вместо Приморска; в Q2 'Кемгуг' — искажённый Кемчуг (внутренний), выдумка.

Полностью верный и наиболее полный ответ дал gemma-4-31b; серию правильных дали и gpt-5.6-luna/sol и 35b-a3b. Провалы у nemotron-omni ('Пулонч'/'Кемгуг') и llama-scout (Новороссийск/Махачкала).

map_дата-аналитика_4c53b4ef2c — Чтение цветовой карты регионов России

map · промпт 397 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед тобой цветная административная карта России, разделённая на крупные зоны разными цветами, с подписанными городами. Самая восточная (крайне правая) зона выделена жёлто-оранжевым цветом и охватывает Дальний Восток. Назови все города, подписанные внутри этой жёлто-оранжевой дальневосточной зоны, и укажи, какой из них расположен на самом юго-востоке (на побережье, в нижнем правом углу карты).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все три города верны, добавлена точная деталь про Амур, Владивосток указан правильно.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Точный ответ с корректным описанием расположения всех трёх городов.
diffusion-gemma	10	10	10	10.0	Корректный список городов и правильный вывод про Владивосток.
Kimi K2.6	10	10	10	10.0	Точный ответ с корректным описанием расположения городов.
llama-scout	10	9	10	9.9	Верно перечислены три города и указан Владивосток как самый юго-восточный.
gemma-4-31b	10	9	10	9.9	Три города и Владивосток названы верно, кратко и ясно.
GPT-5.5 (low)	10	9	10	9.9	Верный лаконичный ответ с правильным выводом.
GPT-5.5 (medium)	10	9	10	9.9	Верный лаконичный ответ, Владивосток указан правильно.
GPT-5.6 Sol (low)	10	9	10	9.9	Три города и Владивосток указаны верно.
GPT-5.6 Sol (med)	10	9	10	9.9	Точный ответ, идентичен sol-low по качеству.
GPT-5.6 Terra (med)	10	9	10	9.9	Верный ответ с корректным указанием Владивостока.
GPT-5.6 Terra (high)	10	9	10	9.9	Верный список и правильный вывод, минимум деталей.
GPT-5.6 Luna (low)	10	9	10	9.9	Верный список и правильный вывод про Владивосток.
GPT-5.6 Luna (med)	10	9	10	9.9	Верный ответ, кратко и по делу.
GPT-5.6 Luna (high)	10	9	10	9.9	Все три города и Владивосток верны, минимум деталей.
GPT-5.6 Terra (low)	10	6	10	9.6	Ответ верный, но крайне лаконичный, без структуры.
Nemotron-3-Nano-Omni-30B	9	9	10	9.1	Города верны, но Хабаровск ошибочно назван 'на побережье'; вывод про Владивосток правильный.
MiniMax-M3	1	8	9	2.5	Модель выдумала пять городов (Якутск, Благовещенск, Южно-Сахалинск, Магадан, Анадырь), которых на карте нет — грубая галлюцинация из общих знаний вместо чтения изображения. Самый юго-восточный город назван верно (Владивосток), оформление и русский хорошие, но распознавание провалено.

Практически все модели дали верный ответ (3 города, Владивосток — самый юго-восточный). 27b-v2 и kimi-k2.6 добавили наиболее точные пространственные детали; nemotron слегка ошибся с 'побережьем' Хабаровска, terra-low слишком лаконичен.

$Типы регионов на административной карте России$

map_дата-аналитика_861ab73452 — Типы регионов на административной карте России

map · промпт 637 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

Перед вами административная карта России с цветовой легендой внизу («Обозначения на карте»). В легенде регионы разбиты на типы: Области, Республики, Автономные округа, Края, Автономная область, Города федерального значения. Ответьте на три вопроса строго по легенде этой карты: 1) Сколько и какие именно регионы перечислены под заголовком «Края»? Назовите их с номерами. 2) Какие два «Города федерального значения» указаны в легенде (под номерами 1 и 2)? 3) Каким одним типом представлена «Автономная область» — то есть назовите единственный регион этой категории, который отмечен на карте (подсказка: он расположен на Дальнем Востоке).

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все три пункта полностью верны по легенде: два края (Краснодарский, Ставропольский), Москва и Севастополь, Еврейская автономная область с корректным географическим уточнением. Галлюцинаций нет, ответ чёткий и хорошо структурирован.
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью корректно по всем трём пунктам, аккуратная структура и хороший русский.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три ответа верны: 2 края (Краснодарский, Ставропольский), Москва и Севастополь, Еврейская АО. Чёткая структура.
gemma-4-31b	10	9	10	9.9	Все ответы верны; примечание про якобы ошибку в легенде лишнее, но итог правильный.
GPT-5.5 (low)	10	9	10	9.9	Все три ответа точны и чётко оформлены.
GPT-5.5 (medium)	10	9	10	9.9	Полностью верно, ясная структура, безупречный русский.
Kimi K2.6	10	9	10	9.9	Все три пункта корректны, хорошая структура и оформление.
GPT-5.6 Sol (low)	10	9	10	9.9	Полностью корректно и хорошо структурировано.
GPT-5.6 Sol (med)	10	9	10	9.9	Все ответы верны, ясная формулировка.
GPT-5.6 Terra (low)	10	9	10	9.9	Все ответы точны, чистая структура.
GPT-5.6 Terra (med)	10	9	10	9.9	Полностью корректно и хорошо оформлено.
GPT-5.6 Terra (high)	10	9	10	9.9	Верно по всем трём вопросам, аккуратный формат.
GPT-5.6 Luna (low)	10	9	10	9.9	Верно по всем пунктам; нумерация «1 — Еврейская АО» стилистически лишняя, но не ошибка.
GPT-5.6 Luna (med)	10	9	10	9.9	Все три ответа точны, чёткая подача.
GPT-5.6 Luna (high)	10	9	10	9.9	Все ответы верны, аккуратный формат.
diffusion-gemma	10	8	9	9.7	Верно по всем трём вопросам; мелкая опечатка в первом слове («сновываясь»).
Nemotron-3-Nano-Omni-30B	10	7	9	9.6	Верно, но предельно кратко и без выделения; названы оба края, оба города и Еврейская АО.
llama-scout	2	5	8	2.9	Выдумал 8 краёв (Пермский, Красноярский, Забайкальский и др. — их нет в блоке «Края»), да ещё и с противоречивым счётом («6» затем «8»). Q2 и Q3 верны, но грубая галлюцинация в Q1.

Почти все модели дали идеально верные ответы; победитель выбран среди безупречных за максимальную ясность. llama-scout провалила первый вопрос грубой галлюцинацией.

map_нефтегаз_86244893cc — Цвет трубопровода Тайшет–Сковородино–Тында

map · промпт 399 симв. · Победитель: Kimi K2.6 · 10.0/10

▸Промпт задачи

На карте нефтегазовой инфраструктуры в правом верхнем углу есть легенда «трубопроводы» с тремя категориями, обозначенными цветом: действующие, строящиеся и проложенные. Каким цветом на этой карте показан восточный трубопровод, идущий от Тайшета через Сковородино к Тынде, и к какой из трёх категорий легенды он относится? Также назовите, какие города соединяет этот цветной участок на востоке карты.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	10	10	10.0	Идеально: зелёный, «проложенные», Тайшет—Сковородино—Тында. Чётко и лаконично.
llama-scout	10	9	10	9.9	Верно: зелёный, «проложенные», Тайшет—Сколовородино—Тында. Точный и ясный ответ.
gemma-4-31b	10	9	10	9.9	Верно: зелёный, «проложенные», все три города. Чёткий структурированный ответ.
GPT-5.5 (low)	10	9	10	9.9	Верно: зелёный, «проложенные», Тайшет→Сковородино→Тында.
GPT-5.6 Sol (low)	10	9	10	9.9	Верно: зелёный, «проложенные», Тайшет, Сковородино, Тында.
GPT-5.6 Sol (med)	10	9	10	9.9	Верно: зелёный, «проложенные», Тайшет—Сковородино—Тында.
GPT-5.6 Luna (low)	10	9	10	9.9	Верно: зелёный, «проложенные», Тайшет, Сковородино, Тында.
GPT-5.6 Luna (med)	10	9	10	9.9	Верно: зелёный, «проложенные», три города.
GPT-5.6 Luna (high)	10	9	10	9.9	Верно: зелёный, «проложенные», все три города.
MiniMax-M3	9	9	9	9.0	Цвет (зелёный), категория («проложенные») и города Тайшет—Сковородино—Тында определены верно, вся легенда воспроизведена корректно. Небольшой минус за домысливание («участок ВСТО», трактовка термина «проложенные») и избыточную структуру для короткого вопроса.
Nemotron-3-Nano-Omni-30B	9	9	7	8.8	Все факты верны, но опечатка «проположенные» снижает качество русского.
diffusion-gemma	9	6	6	8.4	Факты верны (зелёный, проложенные, три города), но в тексте искажённые символы («ة от»), портящие русский и формат.
GPT-5.6 Terra (med)	7	8	10	7.4	Цвет и категория верны, соединяет Тайшет и Тынду, Сковородино упомянут на трассе; не полностью явно включает Сковородино в зелёную линию.
GPT-5.6 Terra (high)	6	8	10	6.6	Цвет и категория верны, но ошибочно утверждает, что Сковородино связано красным участком, исключая его из зелёной линии.
GPT-5.5 (medium)	5	8	9	5.7	Цвет и категория верны, но ошибочно утверждает, что Тында—Сковородино красный/строящийся; исключает Сковородино из зелёного участка.
GPT-5.6 Terra (low)	4	8	10	5.0	Ошибочно называет Сковородино—Тында красным/строящимся; лишь частично распознаёт зелёный участок.
Qwen3.6-27B-FP8	2	8	9	3.3	Как и 35b: неверно называет Тайшет—Сковородино чёрным/действующим. Ошибка по ключевому факту (цвет).
Qwen3.6-35B-A3B-FP8	2	8	9	3.3	Ошибочно делит трассу: Тайшет—Сковородино назван чёрным/действующим, хотя участок зелёный. Грубая ошибка распознавания цвета.

Большинство моделей верно определили зелёный цвет, категорию «проложенные» и города Тайшет—Сковородино—Тында. 35b-a3b и 27b-v2 грубо ошиблись, назвав часть трассы чёрной/действующей.

OCR — чтение текста

ocr_банки_53462859f3 — Чтение банковских реквизитов из платёжной формы

ocr · промпт 197 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении показаны банковские реквизиты для перевода. Прочитайте и выпишите точные значения следующих полей: БИК, Банк-получатель, Корр. счет, ИНН (при необходимости), КПП (при необходимости).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все пять значений совпадают с эталоном, аккуратный список.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все реквизиты процитированы точно, чистое структурированное оформление.
gemma-4-31b	10	10	10	10.0	Все значения верны; подписи ИНН/КПП чуть упрощены, но по сути корректно.
GPT-5.5 (low)	10	10	10	10.0	Точное совпадение всех пяти значений, ясное оформление.
GPT-5.5 (medium)	10	10	10	10.0	Все реквизиты верны, чистый формат.
MiniMax-M3	10	10	10	10.0	Все пять реквизитов (БИК, банк, корр. счёт, ИНН, КПП) выписаны абсолютно точно, без галлюцинаций по замазанным полям. Аккуратная таблица, безупречный русский; рассуждений как таковых нет, но задача их и не требует.
Kimi K2.6	10	10	10	10.0	Все пять реквизитов процитированы точно и аккуратно.
GPT-5.6 Sol (low)	10	10	10	10.0	Все пять значений совпадают с эталоном.
GPT-5.6 Sol (med)	10	10	10	10.0	Точное распознавание всех реквизитов.
GPT-5.6 Terra (low)	10	10	10	10.0	Точное совпадение всех пяти реквизитов.
GPT-5.6 Terra (med)	10	10	10	10.0	Все реквизиты процитированы верно.
GPT-5.6 Terra (high)	10	10	10	10.0	Все значения верны, ясный список.
GPT-5.6 Luna (low)	10	10	10	10.0	Точное совпадение всех значений.
GPT-5.6 Luna (med)	10	10	10	10.0	Все реквизиты верны, аккуратное выделение.
GPT-5.6 Luna (high)	10	10	10	10.0	Все значения верны, чистый список.
Nemotron-3-Nano-Omni-30B	10	9	10	9.9	Все значения точны, простой но ясный список без выделения.
diffusion-gemma	10	9	9	9.8	Все реквизиты верны; лёгкая грамматическая шероховатость ('предоставленного изображения').
llama-scout	10	7	10	9.7	Все пять значений верны, но цифры обёрнуты в LaTeX-разметку $...$, что ухудшает читаемость.

Все модели точно прочитали все пять реквизитов; победитель выбран условно среди безупречных ответов, llama-scout чуть ниже по формату из-за LaTeX.

ocr_банки_a1d9448eab — Пункты меню «Реквизиты и выписки» в банковском приложении

ocr · промпт 311 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 10.0/10

▸Промпт задачи

На скриншоте мобильного банковского приложения открыто всплывающее меню с заголовком «Реквизиты и выписки». Внимательно прочитайте текст этого меню и перечислите ВСЕ названия пунктов меню (основные строки) сверху вниз в том порядке, в каком они показаны. Также укажите, какие два пункта обведены красным овалом.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все четыре пункта верны и по порядку, отмечена подпись «Установленные банком», обведённые пункты названы правильно.
llama-scout	10	10	10	10.0	Полный и точный список, обведённые два пункта указаны верно.
gemma-4-31b	10	10	10	10.0	Полный точный список и правильно указанные обведённые пункты.
diffusion-gemma	10	10	10	10.0	Верно перечислены все пункты и обведённые два, добавлен заголовок меню.
GPT-5.5 (low)	10	10	10	10.0	Точный список и корректно указанные обведённые пункты.
GPT-5.5 (medium)	10	10	10	10.0	Точный список и корректно указанные обведённые пункты.
MiniMax-M3	10	10	10	10.0	Все четыре пункта меню названы верно и в правильном порядке, подпись «Установленные банком» учтена, обведённые пункты определены точно. Оформление структурное и ясное, русский безупречный.
Kimi K2.6	10	10	10	10.0	Все четыре пункта верны и обведённые указаны правильно.
GPT-5.6 Sol (low)	10	10	10	10.0	Полный точный список и верно указанные обведённые пункты.
GPT-5.6 Sol (med)	10	10	10	10.0	Полный точный список и верно указанные обведённые пункты.
GPT-5.6 Terra (med)	10	10	10	10.0	Точный список и корректно указанные обведённые пункты.
GPT-5.6 Terra (high)	10	10	10	10.0	Точный список и корректно указанные обведённые пункты.
GPT-5.6 Luna (low)	10	10	10	10.0	Точный список, правильно определены первые два обведённых пункта.
GPT-5.6 Luna (med)	10	10	10	10.0	Точный список, правильно определены первые два обведённых пункта.
GPT-5.6 Luna (high)	10	10	10	10.0	Точный список, правильно определены первые два обведённых пункта.
GPT-5.6 Terra (low)	10	9	10	9.9	Точный список и корректно указанные обведённые пункты, лаконично.
Qwen3.6-27B-FP8	8	9	10	8.3	Все пункты верны, обведённые названы правильно, но лишнее утверждение, что в овале и заголовок раздела.
Nemotron-3-Nano-Omni-30B	2	2	0	1.8	Список неполный (только два пункта), транслитерация не по-русски, задача фактически не выполнена.

Большинство моделей дали идеальный ответ; выделяется 35b-a3b полнотой (включая подпись). Nemotron-omni полностью провалился.

ocr_банки_967931ef89 — Чтение остатков из банковской выписки Тинькофф

ocr · промпт 387 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед вами банковская выписка по расчётному счёту. Внимательно прочитайте документ и ответьте на вопросы строго по тексту изображения: 1) За какой период сформирована выписка (укажите даты начала и конца периода)? 2) Какая сумма указана в строке «Остаток на начало периода»? 3) Какая сумма указана в строке «Исходящий остаток»? Приведите значения точно так, как они написаны в документе.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все данные точны, аккуратное структурированное оформление с подписями.
diffusion-gemma	10	10	10	10.0	Все три значения верны, хорошо структурировано с повторением вопросов.
GPT-5.5 (low)	10	10	10	10.0	Точные значения с ясными подписями к каждому пункту.
GPT-5.6 Luna (low)	10	10	10	10.0	Точные значения с ясными подписями к пунктам.
GPT-5.6 Luna (med)	10	10	10	10.0	Точные значения с ясными подписями к пунктам.
GPT-5.6 Luna (high)	10	10	10	10.0	Точные значения с ясными подписями к пунктам.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три значения прочитаны верно, ответ краткий и чёткий.
gemma-4-31b	10	9	10	9.9	Верные значения, предельно лаконичный формат.
GPT-5.5 (medium)	10	9	10	9.9	Верные данные, компактный формат без подписей.
Kimi K2.6	10	9	10	9.9	Все значения точны, ответ краткий и понятный.
GPT-5.6 Sol (low)	10	9	10	9.9	Верные данные, компактный формат без подписей.
GPT-5.6 Sol (med)	10	9	10	9.9	Верные данные, компактный формат без подписей.
GPT-5.6 Terra (low)	10	9	10	9.9	Верные данные, компактный формат без подписей.
GPT-5.6 Terra (med)	10	9	10	9.9	Верные данные, компактный формат без подписей.
GPT-5.6 Terra (high)	10	9	10	9.9	Верные данные, компактный формат без подписей.
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Значения верны, но период дан без предлога «с», формат минимален.
llama-scout	10	7	9	9.6	Значения верны, но LaTeX-обёртки ($...$) вокруг чисел мешают читаемости.
MiniMax-M3	3	8	9	4.1	Период и остаток на начало периода (10 949,48) прочитаны верно, но третий ответ грубо ошибочен: модель заявила, что числовое значение исходящего остатка отсутствует (прочерк/пусто, только «Пассив»), тогда как на изображении явно указано 10 959,44. Оформление и русский язык хорошие.

Все модели верно прочитали период и обе суммы; выигрывают ответы с подписями к пунктам (27b-v2, diffusion-gemma, gpt-5.5/5.6-luna).

ocr_банки_a95fdf0059 — Чтение реквизитов банковской выписки

ocr · промпт 323 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении представлена банковская выписка по счету. Внимательно прочитайте документ и извлеките следующие реквизиты: 1) наименование банка; 2) БИК банка; 3) наименование организации — владельца счета; 4) номер счета (Счет №); 5) сумму входящего остатка. Укажите каждое значение точно так, как оно написано в документе.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все реквизиты точны, аккуратный структурированный список.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все пять реквизитов прочитаны точно, включая длинный номер счёта и БИК. Чистый нумерованный список.
GPT-5.5 (low)	10	9	10	9.9	Все пять реквизитов прочитаны точно, оформлено ясно.
GPT-5.5 (medium)	10	9	10	9.9	Все значения совпадают с картинкой, чёткий список.
Kimi K2.6	10	9	10	9.9	Все реквизиты точны, аккуратное структурированное оформление.
GPT-5.6 Sol (low)	10	9	10	9.9	Все реквизиты точны, структурировано.
GPT-5.6 Sol (med)	10	9	10	9.9	Все значения верны, аккуратный список.
GPT-5.6 Luna (low)	10	9	10	9.9	Все пять реквизитов прочитаны точно.
GPT-5.6 Luna (med)	10	9	10	9.9	Все значения совпадают с документом, ясный список.
GPT-5.6 Luna (high)	10	9	10	9.9	Все значения верны, оформлено ясно (кавычки-ёлочки).
llama-scout	10	9	9	9.8	Все значения верны, есть пояснения о расположении реквизитов. Пометка (п) строчной буквой — мелочь.
GPT-5.6 Terra (low)	10	6	8	9.4	Данные точны, но перечислены только значения без подписей.
GPT-5.6 Terra (med)	10	6	8	9.4	Все реквизиты верны, но формат минимальный — только числа/названия без меток.
GPT-5.6 Terra (high)	10	6	8	9.4	Все значения верны, но ответ предельно кратко — только значения без меток реквизитов.
gemma-4-31b	9	8	8	8.8	Данные верны, но 'AO' написано латиницей вместо 'АО'. Остальное точно.
Nemotron-3-Nano-Omni-30B	9	5	8	8.5	Значения верны, но остаток без пометки (П), ответ одной строкой через точку с запятой без меток.
diffusion-gemma	8	8	9	8.1	Четыре реквизита верны, но входящий остаток помечен как '(ПИ)' вместо '(П)'.
MiniMax-M3	5	8	8	5.6	Четыре из пяти реквизитов извлечены верно, но номер счёта искажён: 40828101656001000145 вместо 40802810165600100145 — цифры переставлены, что критично для банковского OCR. Добавленное пояснение о «задолженности» по пассивному остатку сомнительно, оформление и русский язык хорошие.

Подавляющее большинство моделей идеально прочитали все пять реквизитов; llama-scout выделяется точностью плюс полезными пояснениями. Ошиблись только diffusion-gemma ('(ПИ)') и gemma (латинское 'AO').

ocr_банки_ca2c9dad6a — Заголовки столбцов таблицы в банковской выписке

ocr · промпт 284 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед вами бланк банковского документа «Выписка по счету». В средней части листа расположена таблица с пустыми строками для операций. Прочитайте и выпишите по порядку слева направо все названия столбцов (заголовки колонок) этой таблицы — ровно так, как они напечатаны в шапке таблицы.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все заголовки верны, чёткий нумерованный список слева направо.
llama-scout	10	10	10	10.0	Все 10 заголовков прочитаны верно и в правильном порядке, аккуратный нумерованный список.
Kimi K2.6	10	10	10	10.0	Все 10 заголовков точны, аккуратный нумерованный список с пояснением.
GPT-5.5 (low)	10	9	10	9.9	Все 10 заголовков точны и по порядку, построчный вывод.
GPT-5.5 (medium)	10	9	10	9.9	Все 10 заголовков точны и по порядку, построчный вывод.
GPT-5.6 Sol (low)	10	9	10	9.9	Все 10 заголовков точны и в правильном порядке через точку с запятой.
GPT-5.6 Sol (med)	10	9	10	9.9	Все 10 заголовков точны и в правильном порядке через точку с запятой.
GPT-5.6 Terra (low)	10	9	10	9.9	Все 10 заголовков точны и в правильном порядке.
GPT-5.6 Terra (high)	10	9	10	9.9	Все 10 заголовков точны и в правильном порядке.
Qwen3.6-35B-A3B-FP8	10	8	10	9.8	Все 10 заголовков верны и по порядку, формат — простое перечисление через запятую.
Nemotron-3-Nano-Omni-30B	10	8	10	9.8	Все заголовки верны и по порядку, перечисление через запятую.
GPT-5.6 Terra (med)	9	9	10	9.1	Все заголовки по порядку, лишь пропущена точка в «№ док».
GPT-5.6 Luna (low)	9	9	10	9.1	Все заголовки по порядку, лишь пропущена точка в «№ док».
GPT-5.6 Luna (med)	9	9	10	9.1	Все заголовки по порядку, лишь пропущена точка в «№ док».
GPT-5.6 Luna (high)	9	9	10	9.1	Все заголовки по порядку, лишь пропущена точка в «№ док».
diffusion-gemma	8	10	9	8.3	Список полный и по порядку, но искажение «корреспондррующего» в 7-м заголовке.
gemma-4-31b	8	8	9	8.1	Порядок и состав верны, но опечатка «корреспондерующего» вместо «корреспондирующего».
MiniMax-M3	6	9	8	6.5	Все 10 заголовков перечислены в правильном порядке, но три искажены: «№ док. оп.» вместо «№ док.», «Вид» вместо «Вид оп.» (сокращение «оп.» перенесено в предыдущий столбец) и «корреспондентского» вместо «корреспондирующего». Формат и русский хорошие, но точность OCR ниже эталонных ответов.

Почти все модели прочитали все 10 заголовков верно; kimi/llama/27b дали безупречный полный нумерованный список, gemma и diffusion допустили опечатку в слове «корреспондирующего».

ocr_дата-аналитика_048fcb95a8 — Чтение данных с инфографики о флаге России

ocr · промпт 317 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении представлена инфографика ТАСС о флаге России. В нижней части слева размещён блок «МАКСИМАЛЬНОЕ НАКАЗАНИЕ ЗА НАРУШЕНИЕ ПОРЯДКА ИСПОЛЬЗОВАНИЯ ФЛАГА» с четырьмя пунктами. Выпишите дословно для каждого из четырёх пунктов указанную сумму штрафа (или иное наказание) и категорию лиц, к которым оно относится.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Всё верно, тире-разделители делают сопоставление максимально ясным.
gemma-4-31b	10	10	10	10.0	Полностью корректно, аккуратный список с тире.
MiniMax-M3	10	10	10	10.0	Все четыре пункта прочитаны дословно и верно сопоставлены с категориями (3 000 ₽ — граждане, 7 000 ₽ — должностные лица, 150 000 ₽ — юридические лица, 1 год лишения свободы за надругательство). Ответ чистый, структурированный, без лишних домыслов.
GPT-5.6 Sol (low)	10	10	10	10.0	Все четыре пункта верны, чёткое сопоставление.
GPT-5.6 Sol (med)	10	10	10	10.0	Полностью корректно и аккуратно.
GPT-5.6 Terra (low)	10	10	10	10.0	Точное распознавание всех пунктов.
GPT-5.6 Terra (med)	10	10	10	10.0	Полностью корректно, ясный список.
GPT-5.6 Terra (high)	10	10	10	10.0	Всё верно, ясное оформление.
GPT-5.6 Luna (low)	10	10	10	10.0	Всё верно и аккуратно оформлено.
GPT-5.6 Luna (med)	10	10	10	10.0	Точное распознавание, ясный список.
GPT-5.6 Luna (high)	10	10	10	10.0	Полностью корректно, ясное оформление с тире.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Точное распознавание всех сумм и категорий, чёткий нумерованный список.
llama-scout	10	9	10	9.9	Все четыре пункта прочитаны и сопоставлены верно, аккуратный список.
diffusion-gemma	10	9	10	9.9	Все данные прочитаны верно и правильно сопоставлены.
GPT-5.5 (low)	10	9	10	9.9	Верно, лаконичный список без лишнего текста.
GPT-5.5 (medium)	10	9	10	9.9	Все пункты корректны, ясное сопоставление сумм и категорий.
Kimi K2.6	10	9	10	9.9	Все суммы и категории прочитаны верно, чистый нумерованный список.
Nemotron-3-Nano-Omni-30B	10	6	9	9.5	Содержание верное, но сплошная строка через точку с запятой и перенос 'надругатель-ство' снижают ясность.

Все модели прочитали все четыре пункта абсолютно верно; отличаются лишь оформлением. Nemotron-omni слабее по формату (сплошная строка). Победитель условный среди равных.

ocr_дата-аналитика_8c4b9328a2 — Чтение числовых показателей с инфографики Esquire

ocr · промпт 503 симв. · Победитель: MiniMax-M3 · 9.9/10

▸Промпт задачи

На изображении — инфографика «ПЕРВЫЕ В МИРЕ!» о том, в чём Россия занимает «1-е место». Внимательно прочитайте подписи и точно извлеките указанные числа: 1) сколько литров водки в год на 1 россиянина указано в блоке «ПО ПОТРЕБЛЕНИЮ ВОДКИ»; 2) какое значение разницы температур (в °C) указано в блоке «ПО РАЗНИЦЕ ТЕМПЕРАТУР»; 3) сколько единиц ядерных боеголовок указано в блоке «ПО КОЛИЧЕСТВУ ЯДЕРНЫХ БОЕГОЛОВОК»; 4) какой процент населения курит по блоку «ПО КУРИЛЬЩИКАМ». Выпишите все четыре значения.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	9	9.9	Все четыре значения извлечены верно (13,9 л; 116,6 °C; 8500 ед.; 39,1%), с корректной привязкой к блокам инфографики. Формат чёткий и структурированный; минорно — «13,9 литров» вместо «литра» и отсутствие видимого анализа.
Kimi K2.6	10	9	10	9.9	Все значения верны, развёрнутые и грамотные подписи.
GPT-5.6 Luna (high)	10	9	10	9.9	Все значения верны, аккуратное и полное оформление.
Qwen3.6-27B-FP8	10	9	9	9.8	Все значения верны, аккуратные подписи с единицами измерения.
diffusion-gemma	10	9	9	9.8	Все значения верны, чёткое структурированное перечисление с единицами.
GPT-5.5 (low)	10	9	9	9.8	Все значения верны, ясные подписи.
GPT-5.5 (medium)	10	9	9	9.8	Все значения верны, ясные подписи.
GPT-5.6 Sol (low)	10	9	9	9.8	Все значения верны, ясное оформление.
GPT-5.6 Luna (low)	10	9	9	9.8	Все значения верны, чёткое перечисление.
GPT-5.6 Sol (med)	10	8	9	9.7	Все значения верны, компактный список.
GPT-5.6 Luna (med)	10	8	9	9.7	Все значения верны, лаконичный список с подписями.
Qwen3.6-35B-A3B-FP8	10	7	8	9.5	Все четыре значения верны (13,9; 116,6; 8500; 39,1). Формат предельно лаконичный, без подписей.
gemma-4-31b	10	8	7	9.5	Все четыре значения верны, минимальное оформление.
Nemotron-3-Nano-Omni-30B	10	7	7	9.4	Все четыре значения верны, оформление голым списком.
GPT-5.6 Terra (low)	7	8	9	7.3	Курильщики указаны как 39% без десятой доли (эталон 39,1%), остальные значения верны.
GPT-5.6 Terra (high)	6	8	9	6.5	Ошибка в курильщиках: 31% вместо 39,1%, остальные три значения верны.
llama-scout	6	7	8	6.3	Ошибка в разнице температур: 1166 вместо 116.6, остальные три значения верны.
GPT-5.6 Terra (med)	6	7	8	6.3	Ошибка в курильщиках: 33,1% вместо 39,1%, остальные три значения верны.

Большинство моделей извлекли все четыре значения точно; kimi-k2.6 и gpt-5.6-luna-high выделяются полнотой и грамотностью. Ошиблись llama-scout (1166 вместо 116.6) и ветки terra в проценте курильщиков.

ocr_маркетинг_005b16522a — Цена кумквата по акции

ocr · промпт 339 симв. · Победитель: gemma-4-31b · 9.9/10

▸Промпт задачи

На фото изображён жёлтый акционный ценник из магазина. Внимательно прочитайте текст на ценнике и ответьте на вопросы: 1) Как точно называется товар (полное название с маркой и весом)? 2) Какова текущая акционная цена за штуку (рубли и копейки)? 3) Какова была старая (зачёркнутая) цена? Запишите ответы строго так, как написано на ценнике.

Модель	C	F	Ru	Σ	Комментарий судьи
gemma-4-31b	10	9	10	9.9	Идеально: название, 59,99 и старая цена 85,99 — всё точно.
GPT-5.5 (medium)	10	9	10	9.9	Все факты верны, ответ чистый и точный.
GPT-5.6 Sol (low)	10	9	10	9.9	Все три факта прочитаны верно.
GPT-5.6 Terra (med)	10	9	10	9.9	Все три факта верны, ответ точный и чёткий.
GPT-5.6 Terra (high)	10	9	10	9.9	Все факты верны, аккуратное оформление цен.
GPT-5.6 Luna (low)	10	9	10	9.9	Название, 59,99 и 85,99 — всё точно, развёрнутая запись рублей/копеек.
GPT-5.6 Luna (high)	10	9	10	9.9	Все три факта верны, аккуратная запись цен с надстрочными копейками.
Qwen3.6-27B-FP8	10	9	9	9.8	Все три факта прочитаны верно, ответ чёткий и лаконичный.
llama-scout	10	7	9	9.6	Все три факта верны (Кумкват NATURFOODS 150г сушёный, 59,99, 85,99). Оформление с лишними символами $ выглядит неаккуратно.
diffusion-gemma	8	8	8	8.0	Данные верны, но опечатка в названии («Куммкват») снижает точность.
GPT-5.6 Sol (med)	7	8	10	7.4	Название и текущая цена верны, старая цена неверна (85,79).
GPT-5.6 Terra (low)	7	8	10	7.4	Название и новая цена верны, старая цена ошибочна (85,90 вместо 85,99).
GPT-5.6 Luna (med)	7	8	10	7.4	Название и новая цена верны, старая цена ошибочна (85,79 вместо 85,99).
Qwen3.6-35B-A3B-FP8	7	8	9	7.3	Название и текущая цена верны, но старая цена ошибочно указана как 85,79 вместо 85,99.
GPT-5.5 (low)	7	8	9	7.3	Название и новая цена верны, старая цена ошибочна (85,70 вместо 85,99).
MiniMax-M3	7	8	8	7.2	Название товара и акционная цена 59,99 Р/шт. прочитаны верно, но старая зачёркнутая цена указана как 85,79 вместо 85,99 — ошибка в одном из трёх проверяемых фактов. Ответ чёткий и структурированный, без развёрнутого анализа.
Nemotron-3-Nano-Omni-30B	6	6	9	6.3	Название и текущая цена верны, но третий вопрос (старая цена) вовсе не отвечен.
Kimi K2.6	5	7	9	5.6	Пропущено «сушеный» в названии и старая цена неверна (85,79 вместо 85,99).

Несколько моделей дали полностью верный ответ; gemma-4-31b лидирует за максимальную точность, чистое оформление и безупречный русский. Частая ошибка — старая цена 85,79/85,70 вместо 85,99.

ocr_маркетинг_2b00f9dab6 — Чтение цены и товара на ценнике Пятёрочки

ocr · промпт 260 симв. · Победитель: gemma-4-31b · 10.0/10

▸Промпт задачи

На фото — ценник из магазина. Внимательно прочитайте текст на жёлтом ценнике и ответьте на вопросы: 1) Как называется товар и какова его масса? 2) Какова цена этого товара «по карте» (со скидкой) в рублях за штуку? 3) Какова цена «без акции» в рублях за штуку?

Модель	C	F	Ru	Σ	Комментарий судьи
gemma-4-31b	10	10	10	10.0	Полностью верный, компактный и хорошо структурированный ответ.
GPT-5.5 (low)	10	10	10	10.0	Точный, лаконичный, идеально оформленный ответ со всеми фактами.
GPT-5.5 (medium)	10	10	10	10.0	Все данные верны, чистое структурированное оформление.
Nemotron-3-Nano-Omni-30B	10	10	10	10.0	Верно названы товар, масса и обе цены, ясная структура.
Kimi K2.6	10	10	10	10.0	Все факты верны, с пояснением расположения цен на ценнике — лучший анализ.
GPT-5.6 Sol (low)	10	10	10	10.0	Точный и грамотный ответ со всеми фактами.
GPT-5.6 Sol (med)	10	10	10	10.0	Все данные верны, аккуратное оформление.
GPT-5.6 Terra (low)	10	10	10	10.0	Все факты верны, предельно кратко и корректно.
GPT-5.6 Terra (med)	10	10	10	10.0	Точный, компактный и чисто оформленный ответ.
GPT-5.6 Terra (high)	10	10	10	10.0	Верный лаконичный ответ со всеми тремя фактами.
GPT-5.6 Luna (low)	10	10	10	10.0	Все три факта точны, чёткое оформление.
GPT-5.6 Luna (med)	10	10	10	10.0	Верные название, масса и обе цены, ясная структура.
GPT-5.6 Luna (high)	10	10	10	10.0	Полностью верный и аккуратно оформленный ответ.
Qwen3.6-27B-FP8	10	9	10	9.9	Все факты верны, цены дополнительно расшифрованы словами. Чётко и грамотно.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Название, масса и обе цены указаны верно, точки вместо запятой в цене — мелочь.
llama-scout	10	9	9	9.8	Все три факта верны. Оформление с LaTeX-математикой ($240$, $55,99$) излишне, но данные точны.
diffusion-gemma	9	9	8	8.9	Все три факта верны, но опечатка «Зфир» вместо «Зефир» снижает качество распознавания/русского.
MiniMax-M3	4	9	9	5.0	Название, масса и цена по карте (55,99) распознаны верно, но цена без акции указана как 62,49 вместо 62,99 — ошибка в одном из трёх ключевых фактов, к тому же продублированная в расчёте экономии. Оформление и русский язык отличные.

Практически все модели дали верный ответ (Зефир ШАРЛИЗ 240 г, 55,99 и 62,99 ₽/шт). Kimi выделяется пояснением расположения цен; diffusion-gemma допустила опечатку «Зфир».

ocr_маркетинг_8a5bb20530 — Чтение акционного ценника ARIEL

ocr · промпт 392 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

Перед вами акционный ценник из магазина. Внимательно прочитайте текст на жёлтой карточке ценника и ответьте на вопросы: 1) Какая сейчас акционная цена товара (крупные цифры) и в каких единицах она указана? 2) Какая была старая (зачёркнутая) цена? 3) Полностью приведите название товара так, как оно написано в описании (включая количество штук и характеристики). Перепишите все надписи точно.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Обе цены (269,99 и 459,99) и название прочитаны точно.
GPT-5.5 (low)	10	9	9	9.8	269,99 р/шт, 459,99 и название прочитаны точно.
GPT-5.5 (medium)	10	9	9	9.8	Все цены и название верны, аккуратное форматирование.
Kimi K2.6	10	9	9	9.8	Полная и точная транскрипция всего ценника, включая мелкий текст Procter&Gamb и штрих-код.
GPT-5.6 Sol (low)	10	9	9	9.8	269,99 р/шт, 459,99 и название верны.
GPT-5.6 Sol (med)	10	9	9	9.8	Все данные прочитаны точно, аккуратное оформление.
GPT-5.6 Terra (low)	10	9	9	9.8	Все цены и название прочитаны точно.
GPT-5.6 Terra (med)	10	9	9	9.8	Обе цены и название верны, ясная структура.
GPT-5.6 Terra (high)	10	9	9	9.8	Обе цены и название верны.
GPT-5.6 Luna (med)	10	9	9	9.8	Обе цены и название прочитаны точно.
gemma-4-31b	10	8	9	9.7	Все цены и название прочитаны точно, кратко и по делу.
diffusion-gemma	10	8	9	9.7	Обе цены и название верны, ясный ответ.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Все данные верны, добавлен разумный комментарий про PODS/капсулы, старая цена дана с лёгкой неуверенностью.
llama-scout	8	8	9	8.1	Новая цена 269,99 и название верны; старая указана как 459 без 99, мелкое расхождение.
Nemotron-3-Nano-Omni-30B	7	7	8	7.1	Название верно, но у обеих цен пропущены копейки (269 и 459 вместо .99).
MiniMax-M3	4	8	9	4.9	Новая цена 269.99 Р/шт и название товара «Гель ARIEL жидкий 15шт COLOR&STYLE автомат капсулы» прочитаны верно, но старая зачёркнутая цена указана как 159.99 вместо 459.99 — грубая ошибка в ключевой цифре. Оформление и русский язык хорошие.
GPT-5.6 Luna (low)	3	8	9	4.1	Новая цена прочитана неверно (26,99 вместо 269,99); старая и название верны.
GPT-5.6 Luna (high)	3	8	9	4.1	Грубая ошибка в новой цене: 26,99 вместо 269,99; остальное верно.

Многие модели дали идеальное чтение; kimi-k2.6 выделяется наиболее полной и точной транскрипцией всего ценника. Обе luna-low/high провалили новую цену (26,99).

ocr_маркетинг_efa7581d73 — Чтение цен и реквизитов на ценниках печени трески

ocr · промпт 377 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На фото два электронных ценника в магазине. На ЛЕВОМ ценнике (товар «Печень трески натуральная РУССКИЕ БЕРЕГА») точно прочитайте и выпишите: 1) цену по карте, 2) цену без карты, 3) массу (граммовку) товара. На ПРАВОМ ценнике (товар «Печень трески натуральная МУРМАНСКИЙ РК») точно прочитайте и выпишите: 4) цену, 5) массу товара. Укажите значения ровно так, как они напечатаны.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все пять значений прочитаны верно (179,99; 229,99; 120 г; 659,99; 200 г) и правильно отнесены к соответствующим ценникам. Ответ чётко структурирован по пунктам, русский безупречен; отдельного разбора/обоснования нет, но задача этого и не требовала.
Kimi K2.6	10	9	10	9.9	Все значения верны, формат «179,99» как напечатано, чистое разделение и подписи.
GPT-5.6 Sol (low)	10	9	10	9.9	Все значения верны, полные подписи и корректный формат «179,99».
GPT-5.6 Sol (med)	10	9	10	9.9	Все значения верны, чёткие подписи ко всем пяти пунктам.
GPT-5.6 Luna (low)	10	9	10	9.9	Все значения верны, подписи ко всем пунктам, запятичный формат цены.
GPT-5.6 Luna (high)	10	9	10	9.9	Все значения верны, аккуратные подписи и запись «179,99» в верном формате.
Qwen3.6-27B-FP8	10	9	9	9.8	Все значения верны, аккуратная структура с заголовками левого/правого ценника.
diffusion-gemma	10	9	9	9.8	Все значения верны, хорошая структура с подписями и выделением.
gemma-4-31b	10	8	9	9.7	Все значения верны, ясная разбивка по ценникам без лишнего.
GPT-5.5 (low)	10	8	9	9.7	Все значения верны, есть подписи, но правый ценник без явного заголовка.
GPT-5.5 (medium)	10	8	9	9.7	Все значения верны, подписи присутствуют, оформление аккуратное.
llama-scout	10	7	8	9.5	Все значения верны, чёткое разделение ценников, но LaTeX-обёртка $...$ добавляет визуальный шум.
Qwen3.6-35B-A3B-FP8	10	6	8	9.4	Все пять значений верны, но голый нумерованный список без разделения левого/правого ценника.
Nemotron-3-Nano-Omni-30B	10	6	8	9.4	Все пять значений верны, но голый список без подписей и разделения ценников.
GPT-5.6 Terra (low)	10	6	8	9.4	Все значения верны, но список с надстрочным «⁹⁹» без подписей ценников.
GPT-5.6 Terra (med)	10	6	8	9.4	Все значения верны, но голый список без разделения левого/правого ценника.
GPT-5.6 Terra (high)	10	6	8	9.4	Все значения верны, но голый нумерованный список без подписей.
GPT-5.6 Luna (med)	10	6	8	9.4	Все значения верны, но голый список с надстрочным «⁹⁹» без подписей ценников.

Все модели корректно прочитали все пять значений (179,99; 229,99; 120г; 659,99; 200г); различия только в оформлении. Лучшие — kimi-k2.6 и gpt-5.6-luna/sol с подписями и форматом «179,99».

ocr_общее_8175606769 — Заголовок плаката о дорожных знаках

ocr · промпт 169 симв. · Победитель: llama-scout · 9.9/10

▸Промпт задачи

На изображении вверху на жёлтой полосе крупными чёрными заглавными буквами напечатан заголовок плаката. Прочитайте и точно перепишите этот заголовок целиком (все слова).

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	10	9	10	9.9	Верный текст с аккуратным оформлением и подписью-заголовком.
MiniMax-M3	10	9	10	9.9	Заголовок «ЗНАКИ ДОРОЖНОГО ДВИЖЕНИЯ» переписан точно и полностью, без лишнего текста и искажений. Ответ предельно лаконичен, поэтому видимого анализа минимум, но для задачи OCR этого достаточно.
Qwen3.6-27B-FP8	10	8	10	9.8	Заголовок прочитан точно: «ЗНАКИ ДОРОЖНОГО ДВИЖЕНИЯ», без лишнего.
Qwen3.6-35B-A3B-FP8	10	8	10	9.8	Точное воспроизведение всех трёх слов заголовка.
gemma-4-31b	10	8	10	9.8	Чистый и точный ответ без искажений.
GPT-5.5 (low)	10	8	10	9.8	Точный заголовок без лишнего.
GPT-5.5 (medium)	10	8	10	9.8	Точный заголовок без лишнего.
Nemotron-3-Nano-Omni-30B	10	8	10	9.8	Верно прочитаны все три слова.
Kimi K2.6	10	8	10	9.8	Точное воспроизведение заголовка.
GPT-5.6 Sol (low)	10	8	10	9.8	Точный заголовок без ошибок.
GPT-5.6 Sol (med)	10	8	10	9.8	Точный заголовок без ошибок.
GPT-5.6 Terra (low)	10	8	10	9.8	Точный заголовок без ошибок.
GPT-5.6 Terra (med)	10	8	10	9.8	Точный заголовок без ошибок.
GPT-5.6 Terra (high)	10	8	10	9.8	Точный заголовок без ошибок.
GPT-5.6 Luna (low)	10	8	10	9.8	Точный заголовок без ошибок.
GPT-5.6 Luna (med)	10	8	10	9.8	Точный заголовок без ошибок.
GPT-5.6 Luna (high)	10	8	10	9.8	Точный заголовок без ошибок.
diffusion-gemma	6	7	9	6.4	Текст верный, но выдуман цвет и фон: буквы чёрные на жёлтой полосе, а не красные на белом.

Почти все модели верно прочитали «ЗНАКИ ДОРОЖНОГО ДВИЖЕНИЯ»; llama-scout выделяется аккуратным оформлением, а diffusion-gemma добавила выдуманное описание цвета.

ocr_общее_4f43c52d74 — Чтение рукописного текста: названия мест

ocr · промпт 402 симв. · Победитель: GPT-5.5 (low) · 9.8/10

▸Промпт задачи

На изображении — рукописный текст русским почерком (прописью). В абзаце, начинающемся со слов «Аллея высоких деревьев…», упоминаются два географических названия (названия усадеб/парков Подмосковья), которые сравниваются между собой, а также область, к которой они относятся. Прочитайте и выпишите эти три собственных названия именно так, как они стоят в тексте (в той падежной форме, в какой написаны).

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (low)	10	8	10	9.8	Все три названия верны и в нужной падежной форме: Останкине, Кускове, Подмосковья.
GPT-5.5 (medium)	10	8	10	9.8	Все три топонима прочитаны точно в исходной падежной форме.
Kimi K2.6	10	8	10	9.8	Все три названия верны в нужной падежной форме, с аккуратным оформлением.
GPT-5.6 Sol (low)	10	8	10	9.8	Все три названия распознаны точно: Останкине, Кускове, Подмосковья.
GPT-5.6 Sol (med)	10	8	10	9.8	Все три топонима верны и в нужной падежной форме.
GPT-5.6 Terra (low)	10	8	10	9.8	Все три топонима верны: Останкине, Кускове, Подмосковья.
GPT-5.6 Terra (med)	10	8	10	9.8	Точное чтение всех трёх собственных названий в нужной падежной форме.
GPT-5.6 Terra (high)	10	8	10	9.8	Точное распознавание всех трёх названий в исходной форме.
GPT-5.6 Luna (med)	10	8	10	9.8	Все три топонима верны в исходной падежной форме.
gemma-4-31b	9	7	9	8.8	Все три топонима верны (Останкино, Кусково, Подмосковья), но в именительном падеже, а не в падежной форме из текста.
Qwen3.6-35B-A3B-FP8	5	5	8	5.3	«Кускове» и «Подмосковья» прочитаны верно, но «Останкине» ошибочно распознано как «Осетинке». Два из трёх.
GPT-5.6 Luna (low)	4	7	9	4.8	То же: «Архангельского» вместо «Останкине», остальные два верны.
GPT-5.6 Luna (high)	4	7	9	4.8	«Кускове» и «Подмосковья» верны, но вместо «Останкине» выдумано «Архангельского». Два из трёх.
Qwen3.6-27B-FP8	4	5	6	4.3	Верны «Кускове» и «подмосковья» (с малой буквы), но вместо «Останкине» придумано «Овстуге». Два из трёх.
llama-scout	2	6	8	3.0	Верно только «Кускове»; «Останкине» превращено в «Остафьеве», а «Подмосковья» — в «Московской области». Два из трёх выдуманы.
MiniMax-M3	2	6	8	3.0	Первый топоним прочитан неверно: вместо «Останкине» подставлено «Остафьеве» (правдоподобная, но выдуманная подмена), верны лишь «Кускове» и «Подмосковья», т.е. требование назвать все три названия не выполнено. Дополнительно неверно указан падеж («именительный/родительный» вместо предложного), хотя оформление и русский язык хорошие.
diffusion-gemma	2	5	8	2.9	Названо лишь два названия («Кускове», «Подмосковья»), «Останкине» не распознано. Менее трёх — ответ неверный.
Nemotron-3-Nano-Omni-30B	2	5	6	2.7	Верно только «Подмосковья»; «Останкине» и «Кускове» искажены до «Осстанцине» и «Куйковке».

Множество моделей дали идеальный ответ (Останкине, Кускове, Подмосковья); слабые модели придумывали топонимы или распознавали лишь два из трёх.

ocr_общее_842af3adce — Чтение дорожного знака с названием города

ocr · промпт 248 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На фотографии у дороги установлен белый дорожный знак с названием города. Прочитайте и выпишите дословно весь текст, который написан на знаке: сначала верхнюю табличку (две строки — на русском и латиницей), затем текст на отдельной нижней табличке.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все три надписи прочитаны дословно верно: ЕКАТЕРИНБУРГ / EKATERINBURG / ГОРОД БЕСОВ, без галлюцинаций. Ответ аккуратно разделён на верхнюю и нижнюю таблички; собственного анализа минимум, но для OCR-задачи этого достаточно.
Qwen3.6-27B-FP8	10	8	10	9.8	Все три строки прочитаны безошибочно: ЕКАТЕРИНБУРГ / EKATERINBURG / ГОРОД БЕСОВ.
Qwen3.6-35B-A3B-FP8	10	8	10	9.8	Идеальное распознавание всех трёх надписей.
gemma-4-31b	10	8	10	9.8	Все три надписи воспроизведены точно.
GPT-5.5 (low)	10	8	10	9.8	Все три строки распознаны безошибочно.
GPT-5.5 (medium)	10	8	10	9.8	Точное распознавание всех надписей.
Kimi K2.6	10	8	10	9.8	Все три надписи прочитаны корректно.
GPT-5.6 Sol (low)	10	8	10	9.8	Все три строки прочитаны верно.
GPT-5.6 Sol (med)	10	8	10	9.8	Безошибочное распознавание.
GPT-5.6 Terra (low)	10	8	10	9.8	Точное распознавание всех строк.
GPT-5.6 Terra (med)	10	8	10	9.8	Все три надписи прочитаны безошибочно.
GPT-5.6 Terra (high)	10	8	10	9.8	Все три надписи воспроизведены точно.
GPT-5.6 Luna (low)	10	8	10	9.8	Все три надписи точны.
GPT-5.6 Luna (med)	10	8	10	9.8	Точное распознавание всех надписей.
GPT-5.6 Luna (high)	10	8	10	9.8	Безошибочное распознавание всех трёх строк.
llama-scout	7	9	9	7.4	Хорошая структура, но нижняя строка записана смешанными латинскими символами «БECOB» вместо чистого «БЕСОВ».
diffusion-gemma	6	8	9	6.5	Ошибка в первом слове: «ЕКАТЕРИБУРГ» без буквы Н; остальное верно.
Nemotron-3-Nano-Omni-30B	5	7	9	5.6	Латинская строка EKATERINBURG заменена дублем кириллического «ЕКАТЕРИНБУРГ»; нижняя строка верна.

Большинство моделей идеально прочитали ЕКАТЕРИНБУРГ / EKATERINBURG / ГОРОД БЕСОВ; ошиблись nemotron-omni (дубль вместо латиницы), diffusion-gemma (пропуск Н) и llama-scout (латинские буквы в «БЕСОВ»).

ocr_дата-аналитика_3ac6737789 — Чтение чисел из инфографики «Россия в цифрах»

ocr · промпт 477 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Внимательно прочитайте инфографику. Извлеките и приведите точные значения для следующих показателей, как они написаны на изображении: 1) Площадь территории РФ (в кв. км); 2) Сколько национальностей живут в России; 3) Общая численность населения России (в блоке «Общая численность населения России»); 4) Сколько в России городов-миллионников; 5) Назовите три самых густонаселённых города (с указанием численности в скобках), перечисленных в блоке «Самые густонаселённые города».

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все значения верны, ясная структура с подписями показателей и корректной цитатой про национальности.
gemma-4-31b	10	10	10	10.0	Все числа и три города верны, чёткий нумерованный список, безупречный русский.
GPT-5.5 (low)	10	10	10	10.0	Все значения и города верны, компактный и ясный формат.
GPT-5.5 (medium)	10	10	10	10.0	Все данные точны, аккуратная структура, явно назван блок «Самые густонаселённые города».
GPT-5.6 Sol (low)	10	10	10	10.0	Все значения верны, чёткая структура с выделением ключевых чисел.
GPT-5.6 Sol (med)	10	10	10	10.0	Все данные точны, аккуратный полный ответ на все пять пунктов.
GPT-5.6 Luna (low)	10	10	10	10.0	Все данные точны, полный и ясный ответ на все пять пунктов.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все данные точны, аккуратно процитированы формулировки, добавлено уместное примечание про Нижний Новгород.
Kimi K2.6	10	9	10	9.9	Все значения точны, чёткая структура, корректно указаны первые три города из списка.
GPT-5.6 Terra (low)	10	9	10	9.9	Все значения и три города верны, лаконичный ясный список.
GPT-5.6 Luna (med)	10	9	10	9.9	Все числа и три города верны, компактный формат без лишних пояснений.
diffusion-gemma	10	9	9	9.8	Данные точны, но опечатка «также также» в примечании слегка снижает качество текста.
GPT-5.6 Terra (med)	10	9	9	9.8	Числа и города верны; «Более 190 наций» — небольшое упрощение формулировки, но фактически точно.
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Все числа и три города верны, но ответ предельно лаконичен, без пояснений.
GPT-5.6 Terra (high)	10	8	9	9.7	Числа и города верны; формулировка «наций и национальностей» немного вольная, но факты корректны.
llama-scout	10	7	9	9.6	Все числа верны, три города правильные. Формат портит навязчивая LaTeX-разметка ($...$) вокруг всех чисел.
GPT-5.6 Luna (high)	7	9	10	7.5	Числа верны, но в п.5 названы только два города вместо требуемых трёх — Екатеринбург пропущен.
MiniMax-M3	6	9	9	6.6	Пункты 1-4 извлечены абсолютно точно (17 125 191 кв. км, 190 национальностей, 146 781 095 человек, 15 городов-миллионников). В пункте 5 ошибка: список разбит на Москву и Санкт-Петербург по отдельности, причём Москве приписано 12,5 млн — число взято из блока плотности населения, а не из списка густонаселённых городов, и пропущен Екатеринбург (1,4 млн).

Почти все модели дали абсолютно точные числа и три верных города; выделяется 27b-v2 идеальной структурой и точными цитатами. Luna-high единственная ошиблась, назвав в п.5 лишь два города.

ocr_общее_c5e19a1f96 — Текст на дорожных знаках при въезде в город

ocr · промпт 231 симв. · Победитель: llama-scout · 10.0/10

▸Промпт задачи

На фотографии видны два дорожных указателя на стойках у автомобильной дороги. Прочитай и выпиши дословно текст с обоих знаков: 1) название города на верхнем (большом) знаке; 2) полную надпись (фразу) на нижнем горизонтальном знаке.

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	10	10	10	10.0	Верное распознавание обоих текстов, аккуратное оформление с подписями к каждому знаку.
diffusion-gemma	10	10	10	10.0	Верное распознавание, аккуратная разметка с пояснениями по каждому знаку.
Kimi K2.6	10	10	10	10.0	Верное распознавание обоих текстов, ясное оформление с подписями к знакам.
Qwen3.6-27B-FP8	10	9	10	9.9	Оба знака распознаны идеально. Чёткий структурированный ответ.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Оба текста прочитаны верно и дословно, включая точку после «СЧАСТЛИВЫХ». Лаконичный точный ответ.
gemma-4-31b	10	9	10	9.9	Оба текста прочитаны точно и дословно. Простое ясное оформление.
GPT-5.5 (low)	10	9	10	9.9	Оба текста правильные и дословные. Лаконичный формат.
GPT-5.5 (medium)	10	9	10	9.9	Точное распознавание обоих знаков, тексты выделены моноширинно.
Nemotron-3-Nano-Omni-30B	10	9	10	9.9	Оба текста прочитаны верно и дословно. Краткий чёткий ответ.
MiniMax-M3	10	9	10	9.9	Оба текста распознаны абсолютно точно: «КРАСНОЯРСК» и «РОССИЯ ДЛЯ СЧАСТЛИВЫХ. УЛЫБНИСЬ», включая точку после «СЧАСТЛИВЫХ». Ответ предельно краток и структурирован по пунктам, видимого анализа нет, но для OCR-задачи этого достаточно.
GPT-5.6 Sol (low)	10	9	10	9.9	Оба текста прочитаны точно и дословно. Лаконичный ответ.
GPT-5.6 Sol (med)	10	9	10	9.9	Верное дословное распознавание обоих знаков.
GPT-5.6 Terra (low)	10	9	10	9.9	Точное распознавание обоих текстов, лаконичный формат.
GPT-5.6 Terra (med)	10	9	10	9.9	Верное дословное распознавание обоих знаков.
GPT-5.6 Terra (high)	10	9	10	9.9	Оба текста прочитаны верно и дословно. Чёткий ответ.
GPT-5.6 Luna (med)	9	9	10	9.1	Оба текста верны, но в конце слогана лишняя точка, отсутствующая на знаке.
GPT-5.6 Luna (high)	9	9	10	9.1	Оба текста верны, но в конце слогана добавлена лишняя точка, которой на знаке нет.
GPT-5.6 Luna (low)	8	9	10	8.3	Тексты верны, но в конце добавлен восклицательный знак — на указателе его нет, лёгкое искажение пунктуации.

Подавляющее большинство моделей дословно и верно распознали «КРАСНОЯРСК» и «РОССИЯ ДЛЯ СЧАСТЛИВЫХ. УЛЫБНИСЬ»; luna-варианты слегка исказили пунктуацию, добавив лишние знаки в конце.

$Чтение надписей на дорожных знаках$

ocr_общее_f03e0e09e7 — Чтение надписей на дорожных знаках

ocr · промпт 393 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении показаны новые дорожные знаки и информационная подпись. Прочитайте и выпишите ровно по тексту: 1) красную надпись-заголовок внизу картинки полностью; 2) все географические названия (города/направления) на синем знаке-указателе в центре; 3) название улицы на этом же указателе; 4) число, написанное на синем знаке слева. Перепишите текст точно так, как он написан на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Всё распознано верно, лаконичный и точный список.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все пункты прочитаны точно: заголовок с 2026, Иваново, Н. Новгород, Юрьев-Польский, ул. Горького, 40. Чёткая структура.
llama-scout	10	10	10	10.0	Полностью верный ответ по всем пунктам, аккуратное форматирование с подписями.
gemma-4-31b	10	10	10	10.0	Все факты совпадают с картинкой, ясная структура.
diffusion-gemma	10	10	10	10.0	Верно прочитаны все данные, добавлены поясняющие подписи к пунктам.
GPT-5.5 (low)	10	10	10	10.0	Полностью точный ответ, разделители аккуратные.
GPT-5.5 (medium)	10	10	10	10.0	Все пункты верны, названия выведены отдельными строками.
MiniMax-M3	10	10	10	10.0	Все четыре пункта прочитаны абсолютно точно: заголовок с годом 2026, Иваново, Н. НОВГОРОД, Юрьев-Польский, ул. Горького и число 40. Ответ чётко структурирован по пунктам, без выдумок и лишнего.
Kimi K2.6	10	10	10	10.0	Все данные прочитаны точно и без ошибок.
GPT-5.6 Sol (low)	10	10	10	10.0	Все пункты верны, аккуратное форматирование.
GPT-5.6 Sol (med)	10	10	10	10.0	Точный ответ, все данные совпадают с картинкой.
GPT-5.6 Terra (low)	10	10	10	10.0	Все факты прочитаны точно, названия отдельными строками.
GPT-5.6 Terra (med)	10	10	10	10.0	Полностью корректный ответ, ясная структура.
GPT-5.6 Terra (high)	10	10	10	10.0	Всё верно; 'Н.НОВГОРОД' без пробела — несущественная мелочь.
GPT-5.6 Luna (low)	10	10	10	10.0	Все факты совпадают с изображением, ясный список.
GPT-5.6 Luna (med)	10	10	10	10.0	Полностью корректное распознавание всех надписей.
GPT-5.6 Luna (high)	10	10	10	10.0	Верный ответ по всем пунктам, чёткое оформление.
Nemotron-3-Nano-Omni-30B	8	8	9	8.1	Число, улица и заголовок верны, но 'Юрийев-Польский' написан с лишней буквой и пропущена запятая между Иваново и Н. Новгород.

Почти все модели дали идеально точный ответ по всем 4 пунктам; выделяется лишь nemotron-omni с опечаткой в 'Юрьев-Польский'. Победитель выбран среди безупречных как лаконичный и точный.

ocr_операционка_18c9387d94 — Реквизиты договора поставки металла

ocr · промпт 410 симв. · Победитель: GPT-5.5 (low) · 9.9/10

▸Промпт задачи

На изображении показан договор. Внимательно прочитайте текст в верхней (шапке) части документа и извлеките следующие реквизиты: 1) полный номер договора (как указано в заголовке); 2) город заключения договора; 3) дату заключения договора; 4) допустимое отклонение по количеству товара при отгрузке (пункт 2.5) в процентах; 5) срок оплаты в банковских днях (пункт 4.1). Ответы дайте точно по тексту изображения.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (low)	10	9	10	9.9	Все реквизиты переданы дословно, включая полную формулировку отклонения.
GPT-5.5 (medium)	10	9	10	9.9	Все значения верны, чистое и точное оформление.
Kimi K2.6	10	9	10	9.9	Все реквизиты верны и переданы дословно, отличное оформление.
GPT-5.6 Luna (low)	10	9	10	9.9	Все значения верны, аккуратное оформление.
GPT-5.6 Luna (med)	10	9	10	9.9	Все значения верны, ясный список.
GPT-5.6 Luna (high)	10	9	10	9.9	Все пять значений верны, компактный и ясный список.
Qwen3.6-27B-FP8	10	9	9	9.8	Все значения верны, аккуратный список с корректной датой в кавычках.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Все значения верны, дополнительно приведена дословная цитата про отклонение.
llama-scout	10	9	9	9.8	Все пять реквизитов прочитаны верно, чёткое структурированное оформление.
GPT-5.6 Sol (low)	10	9	9	9.8	Все значения верны, приведён полный заголовок договора.
GPT-5.6 Sol (med)	10	9	9	9.8	Все пять значений верны, лаконично и точно.
GPT-5.6 Terra (low)	10	9	9	9.8	Все значения верны, дословные формулировки сохранены.
GPT-5.6 Terra (high)	10	9	9	9.8	Все значения верны, отклонение передано как «три процента».
gemma-4-31b	10	8	9	9.7	Все пять значений верны, оформление чуть проще, город без «г.» несущественно.
diffusion-gemma	9	9	9	9.0	Значения верны, но номер записан латиницей «15-BM» вместо кириллицы «ВМ».
MiniMax-M3	9	9	9	9.0	Все пять реквизитов извлечены верно (15-ВМ, г. Москва, 09 июля 2024, 3 %, 5 банковских дней), галлюцинаций нет. Мелкая небрежность: в п.4 пропущен знак «%» («3 (три процента)»), анализ минимальный — только перечисление значений.
GPT-5.6 Terra (med)	9	9	9	9.0	Значения верны, но номер записан латиницей «15-BM» вместо кириллицы.
Nemotron-3-Nano-Omni-30B	9	4	8	8.4	Значения по сути верны, но крайне лаконично без подписей и номер латиницей «15-BM».

Почти все модели верно прочитали все пять реквизитов; gpt-5.5-low и kimi-k2.6 передали данные наиболее дословно и полно. Латинское «15-BM» у diffusion-gemma, nemotron-omni и terra-medium снижает точность.

ocr_общее_bae6ccee9d — Распознавание рукописного письма-жалобы

ocr · промпт 328 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении — рукописный текст (письмо-жалоба) на русском языке, написанный курсивом. Внимательно прочитайте текст и ответьте на два вопроса: 1) Какую фамилию носит мастер ЖЭУ, упомянутый в письме? 2) Куда автор письма обещает обратиться, если адресат не сможет навести порядок в ЖЭУ? Приведите точные формулировки из текста.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Короткова и вышестоящие инстанции указаны верно с цитатами.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Оба факта верны, приведены точные цитаты. Отличный разбор.
GPT-5.5 (low)	10	10	10	10.0	Оба факта верны, точные формулировки приведены.
GPT-5.5 (medium)	10	10	10	10.0	Оба факта верны, точные цитаты приведены.
Kimi K2.6	10	10	10	10.0	Оба факта верны, приведены точные цитаты.
gemma-4-31b	10	9	10	9.9	Оба факта верны; «ПСЭУ» вместо ЖЭУ — незначительная описка.
diffusion-gemma	10	9	10	9.9	Верно названы Короткова и вышестоящие инстанции, с цитатами.
GPT-5.6 Sol (low)	10	9	10	9.9	Оба факта верны, с краткими цитатами.
GPT-5.6 Sol (med)	10	8	10	9.8	Оба факта верны; лаконично, без развёрнутых цитат.
GPT-5.6 Terra (low)	10	8	10	9.8	Оба факта верны; ответ краткий.
GPT-5.6 Terra (med)	10	8	10	9.8	Оба факта верны; ответ краткий.
GPT-5.6 Terra (high)	10	8	10	9.8	Оба факта верны; ответ краткий.
llama-scout	7	9	9	7.4	Фамилия дана как «Коротков» без окончания «-а», второй факт верный. Мелкая ошибка в фамилии.
MiniMax-M3	4	8	9	4.9	Второй факт передан верно («в вышестоящие инстанции»), но фамилия мастера прочитана неправильно — «Вороткова» вместо «Короткова», плюс в цитате «шофёра» вместо «маляра». Ключевой запрошенный факт (фамилия) не назван корректно.
GPT-5.6 Luna (low)	4	8	9	4.9	Фамилия неверна («Подоткова»), второй факт верный.
GPT-5.6 Luna (med)	4	8	9	4.9	Фамилия неверна («Попыткова»), второй факт верный.
GPT-5.6 Luna (high)	4	8	9	4.9	Фамилия неверна («Попыткова»), второй факт верный. Ошибка в главном вопросе.
Nemotron-3-Nano-Omni-30B	3	3	4	3.1	Фамилия искажена в «Horovkova» (нечитаемо), верен лишь второй факт. Крайне лаконично.

Большинство моделей верно прочитали «Короткова» и «вышестоящие инстанции»; лучший результат у моделей с точными цитатами (35b-a3b, 27b-v2, gpt-5.5, kimi). Luna-варианты и nemotron ошиблись в фамилии.

ocr_операционка_82850531f2 — Реквизиты шапки договора поставки

ocr · промпт 323 симв. · Победитель: GPT-5.5 (medium) · 10.0/10

▸Промпт задачи

На изображении показан договор поставки. Внимательно прочитайте шапку документа и ответьте на три вопроса, опираясь только на то, что напечатано: 1) Какой номер у договора? 2) В каком городе и какого числа он заключён (место и дата)? 3) Как звучит полное наименование организации-Поставщика и ФИО её Генерального директора?

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (medium)	10	10	10	10.0	Идеальные ответы, включая правильный № 15-ВМ и полное наименование Поставщика.
Kimi K2.6	10	10	10	10.0	Полностью верно, аккуратная структура и правильный № 15-ВМ.
Qwen3.6-27B-FP8	10	9	10	9.9	Все данные верны, Поставщик не перепутан с Покупателем. Аккуратная структура.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три пункта верны: 15-ВМ, Москва 01 июля 2024, Поставщик «Самый лучший заказчик» с Ивановым. Чёткая структура.
gemma-4-31b	10	9	10	9.9	Полностью корректные ответы, ясная и компактная подача.
diffusion-gemma	10	9	10	9.9	Верно всё: номер, город, дата, Поставщик и директор. Хорошее оформление.
GPT-5.5 (low)	10	9	10	9.9	Все три пункта точны, чистое форматирование.
MiniMax-M3	10	9	10	9.9	Все три ответа полностью верны: № 15-ВМ, г. Москва, «01» июля 2024 г., ООО «Самый лучший заказчик» в лице Иванова Ивана Ивановича; Поставщик и Покупатель не перепутаны. Ответ подкреплён цитатой и корректным примечанием, лёгкая избыточность оформления (эмодзи, жирный текст) не мешает.
GPT-5.6 Sol (low)	10	9	10	9.9	Точные ответы по всем трём вопросам.
GPT-5.6 Sol (med)	10	9	10	9.9	Все данные верны, аккуратная структура.
GPT-5.6 Terra (low)	10	9	10	9.9	Верные ответы, Поставщик указан правильно.
GPT-5.6 Terra (med)	10	9	10	9.9	Все три пункта точны, ясное оформление.
GPT-5.6 Terra (high)	10	9	10	9.9	Полностью корректно и компактно.
GPT-5.6 Luna (low)	10	9	10	9.9	Корректные ответы, ясная подача.
GPT-5.6 Luna (med)	10	9	10	9.9	Верно всё, чистое оформление.
GPT-5.6 Luna (high)	10	9	10	9.9	Все данные точны, Поставщик не перепутан с Покупателем.
llama-scout	10	8	9	9.7	Данные распознаны верно, но раздражающее LaTeX-обрамление ($15$-$ВМ$) портит читаемость.
Nemotron-3-Nano-Omni-30B	9	6	8	8.6	Данные верны по сути, но номер написан латиницей (15-BM) и наименование сокращено; ответ очень лаконичный.

Почти все модели дали идеально верные ответы; выделяются те, что сохранили номер как № 15-ВМ и полное наименование. Nemotron слабее из-за латиницы в номере и сокращений.

ocr_операционка_ffa91e181f — Реквизиты договора поставки продукции

ocr · промпт 555 симв. · Победитель: diffusion-gemma · 9.9/10

▸Промпт задачи

Перед вами шаблон «Договора поставки продукции (изделий)», в котором часть полей заполнена (выделены оранжевым/красным шрифтом). Внимательно прочитайте заполненные поля и извлеките следующие реквизиты: 1) номер договора; 2) город заключения договора; 3) полную дату заключения договора (число, месяц, год); 4) наименование организации-Поставщика; 5) ФИО лица, действующего от имени Поставщика; 6) на основании какого документа действует Поставщик; 7) наименование организации-Покупателя. Ответьте по каждому пункту строго так, как написано на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
diffusion-gemma	10	9	10	9.9	Все семь реквизитов извлечены верно, аккуратное оформление.
GPT-5.5 (medium)	10	9	10	9.9	Все поля прочитаны корректно, чистый и точный ответ.
Kimi K2.6	10	9	10	9.9	Все реквизиты верны, сохранён оригинальный формат даты.
GPT-5.6 Sol (low)	10	9	10	9.9	Все семь полей извлечены точно.
GPT-5.6 Sol (med)	10	9	10	9.9	Все реквизиты верны, аккуратный ответ.
GPT-5.6 Terra (low)	10	9	10	9.9	Все семь реквизитов извлечены верно.
GPT-5.6 Terra (med)	10	9	10	9.9	Все поля прочитаны корректно.
GPT-5.6 Terra (high)	10	9	10	9.9	Полностью корректное распознавание всех полей.
llama-scout	8	9	9	8.2	Все поля верны, кроме ФИО: «Веснушкин» вместо «Веснушкина» (ошибка рода).
Qwen3.6-35B-A3B-FP8	7	8	9	7.3	Ошибка в названии Поставщика: «Пугоевка» вместо «Пуговка». Остальное верно.
gemma-4-31b	7	8	9	7.3	Поставщик «Плуговка» вместо «Пуговка», остальные поля точны.
GPT-5.6 Luna (low)	7	8	9	7.3	Поставщик прочитан как «Пувайка» вместо «Пуговка».
GPT-5.6 Luna (med)	7	8	9	7.3	Поставщик «Пувайка» вместо «Пуговка», прочие поля верны.
GPT-5.5 (low)	7	8	8	7.2	ФИО искажено: «Вестушкин И.С.» вместо «Веснушкина И.С.».
GPT-5.6 Luna (high)	6	8	9	6.5	Грубая ошибка в Поставщике: «Прачечка» вместо «Пуговка».
Qwen3.6-27B-FP8	6	8	8	6.4	Поставщик прочитан как «Луговка» (неверно) и «Устав» вместо «Устава».
Nemotron-3-Nano-Omni-30B	4	8	7	4.7	Три OCR-ошибки: «Пуаовка», «Велушкина», «Нилточка».
MiniMax-M3	3	8	8	4.0	Верно извлечены номер (1), город (Москва), дата (15 января 2015) и основание (Устава), но три из семи ключевых значений искажены: ООО "Гусичка" вместо "Пуговка", Венглюшкина вместо Веснушкина, ООО "Нитка" вместо "Ниточка". Формат и русский язык хорошие, однако OCR имён собственных фактически провален.

Несколько моделей дали идеальный результат; проиграли те, кто исказил название «Пуговка» или ФИО. Хуже всех nemotron-omni с тремя ошибками.

ocr_банки_0a11a59cc0 — Чтение 20-значного номера счёта со схемы

ocr · промпт 284 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.6/10

▸Промпт задачи

На изображении показана инфографика со структурой банковского расчётного счёта: внизу выделен 20-значный номер счёта, разбитый на цветные блоки. Прочитайте и выпишите подряд все 20 цифр этого номера счёта (без пробелов и разделителей), точно в том порядке, как они идут слева направо.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	8	8	9.6	Точный номер 40802810064580000000.
gemma-4-31b	10	8	8	9.6	Верный номер, чистый лаконичный ответ.
diffusion-gemma	10	8	8	9.6	Верный номер счёта.
GPT-5.5 (low)	10	8	8	9.6	Верный номер счёта.
GPT-5.5 (medium)	10	8	8	9.6	Верный номер счёта.
Kimi K2.6	10	8	8	9.6	Верный номер счёта.
GPT-5.6 Sol (low)	10	8	8	9.6	Верный номер счёта.
GPT-5.6 Sol (med)	10	8	8	9.6	Верный номер счёта.
GPT-5.6 Terra (low)	10	8	8	9.6	Верный номер счёта.
GPT-5.6 Terra (med)	10	8	8	9.6	Верный номер счёта.
GPT-5.6 Terra (high)	10	8	8	9.6	Верный номер счёта.
GPT-5.6 Luna (low)	10	8	8	9.6	Верный номер счёта.
GPT-5.6 Luna (med)	10	8	8	9.6	Верный номер счёта.
Qwen3.6-27B-FP8	1	6	6	2.0	Ошибка в середине: 006458 вместо 064580, номер неверный.
Nemotron-3-Nano-Omni-30B	1	6	6	2.0	40880281... — искажено начало, номер неверный.
GPT-5.6 Luna (high)	1	6	6	2.0	006458 вместо 064580 — номер неверный.
MiniMax-M3	1	5	5	1.8	Ответ 4080281064580000000 содержит лишь 19 цифр: пропущен ноль после блока '810' (эталон 40802810064580000000), т.е. номер счёта распознан неверно. Оформление — голая строка цифр без каких-либо пояснений и проверки длины.
llama-scout	0	6	7	1.3	21 цифра вместо 20, лишняя единица и перестановка — грубо неверно.

Большинство моделей верно прочитали 40802810064580000000; провалились 27b-v2, llama-scout, nemotron-omni и luna-high.

ocr_операционка_3c8a09957a — Чтение реквизитов договора оказания услуг

ocr · промпт 304 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед вами скан шаблона договора. Внимательно прочитайте текст на изображении и ответьте: 1) Как полностью называется этот документ (заголовок вверху страницы)? 2) Какой текст и адрес сайта указаны в нижнем колонтитуле (внизу страницы)? Приведите точные формулировки так, как они написаны на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Оба элемента точны, чистая структура ответа.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верно воспроизведены название договора и текст колонтитула с точным доменом.
llama-scout	10	9	10	9.9	Оба факта прочитаны верно, заголовок и футер точны. Аккуратное оформление.
GPT-5.5 (low)	10	9	10	9.9	Точное распознавание обоих элементов, ясная структура.
GPT-5.5 (medium)	10	9	10	9.9	Точное распознавание обоих элементов, ясная структура.
Kimi K2.6	10	9	10	9.9	Оба элемента точны, аккуратное оформление по пунктам.
GPT-5.6 Sol (low)	10	9	10	9.9	Точное распознавание заголовка и футера.
GPT-5.6 Sol (med)	10	9	10	9.9	Точное распознавание заголовка и футера.
GPT-5.6 Terra (low)	10	9	10	9.9	Оба элемента прочитаны верно, чистое оформление.
GPT-5.6 Terra (med)	10	9	10	9.9	Оба элемента прочитаны верно, чистое оформление.
GPT-5.6 Terra (high)	10	9	10	9.9	Оба элемента прочитаны верно, чистое оформление.
GPT-5.6 Luna (low)	10	9	10	9.9	Оба факта точны, аккуратная подача в кавычках.
GPT-5.6 Luna (med)	10	9	10	9.9	Оба факта точны, аккуратная подача в кавычках.
GPT-5.6 Luna (high)	10	9	10	9.9	Верно, с корректными кавычками-ёлочками вокруг цитат.
gemma-4-31b	10	7	10	9.7	Оба факта верны, но оформление предельно лаконичное, без выделения.
Nemotron-3-Nano-Omni-30B	10	6	10	9.6	Оба факта верны, но ответ сжат в одну строку без разметки по пунктам.
diffusion-gemma	10	7	8	9.5	Факты верны, но вступление грамматически поломано ('основании предоставленного изображения').
MiniMax-M3	1	7	7	2.2	Заголовок «ДОГОВОР ОКАЗАНИЯ УСЛУГ» распознан верно, но адрес сайта в колонтитуле выдуман: вместо «городскиеуслуги.рф» указан несуществующий на картинке домен «gorodskieuslugi.ru». Это прямая галлюцинация ключевого проверяемого факта, поэтому correctness минимальный.

Задача простая: почти все модели верно прочитали и заголовок «ДОГОВОР ОКАЗАНИЯ УСЛУГ», и футер «Портал услуг Вашего города – городскиеуслуги.рф». Различия только в оформлении; nemotron-omni и diffusion-gemma слегка проседают по формату/языку.

ocr_операционка_a3ddcf366a — Чтение пунктов договора оказания услуг

ocr · промпт 297 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении представлен шаблон договора. Прочитайте текст документа и ответьте на вопросы строго по содержанию: 1) Как называется документ (заголовок вверху страницы)? 2) Как называются три раздела, пронумерованные цифрами 1, 2 и 3? 3) Какой текст приведён в пункте 1.1 (процитируйте дословно)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Точный ответ на все три вопроса, дословная цитата 1.1.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Заголовок, все три раздела и пункт 1.1 переданы дословно и верно.
llama-scout	10	10	10	10.0	Всё распознано точно, оформление чёткое.
diffusion-gemma	10	10	10	10.0	Заголовок, разделы и пункт 1.1 воспроизведены корректно.
GPT-5.5 (low)	10	10	10	10.0	Полностью точный и хорошо оформленный ответ.
GPT-5.5 (medium)	10	10	10	10.0	Все данные распознаны верно, цитата дословна.
Kimi K2.6	10	10	10	10.0	Точное распознавание всех элементов, дословная цитата.
GPT-5.6 Sol (low)	10	10	10	10.0	Полностью корректный и структурированный ответ.
GPT-5.6 Sol (med)	10	10	10	10.0	Все данные распознаны точно.
GPT-5.6 Terra (low)	10	10	10	10.0	Всё распознано верно и оформлено ясно.
GPT-5.6 Terra (med)	10	10	10	10.0	Точный и структурированный ответ по всем трём вопросам.
GPT-5.6 Terra (high)	10	10	10	10.0	Верный ответ, дословная цитата пункта 1.1.
GPT-5.6 Luna (low)	10	10	10	10.0	Точный ответ на все вопросы.
GPT-5.6 Luna (med)	10	10	10	10.0	Заголовок, разделы и пункт 1.1 переданы верно.
GPT-5.6 Luna (high)	10	10	10	10.0	Всё верно, аккуратное оформление с кавычками.
MiniMax-M3	10	10	9	9.9	Заголовок, все три названия разделов и дословная цитата п. 1.1 переданы абсолютно точно, дополнительно верно отмечен раздел 4. Оформление чёткое, русский хороший, лишь ремарка про «пронумерованных классически» сформулирована невнятно.
gemma-4-31b	10	8	10	9.8	Всё верно, формат минималистичный, но ясный.
Nemotron-3-Nano-Omni-30B	3	6	2	3.2	Заголовок и разделы верны, но текст пункта 1.1 сильно искажён (Исполнода, обязаarse), с бессмысленными вставками.

Почти все модели дали идеальный ответ; выделен 35b-a3b. Nemotron-omni сильно исказил текст пункта 1.1.

ocr_операционка_0cc17b1a66 — Реквизиты сторон договора

ocr · промпт 327 симв. · Победитель: GPT-5.5 (medium) · 10.0/10

▸Промпт задачи

На изображении показан шаблон договора оказания услуг. Найдите раздел «7. Реквизиты подписи сторон». В этом разделе данные разбиты на две колонки: «Заказчик» (слева) и «Исполнитель» (справа). Выпишите ПОЛНОСТЬЮ и по порядку все названия полей-реквизитов (надписи перед пустыми строками для заполнения) из колонки «Исполнитель».

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (medium)	10	10	10	10.0	Ровно 7 корректных полей, ясная нумерация и краткое пояснение.
Kimi K2.6	10	10	10	10.0	Точный список из 7 полей с корректным контекстом раздела.
gemma-4-31b	10	9	10	9.9	Точный список ровно из 7 полей в правильном порядке.
GPT-5.5 (low)	10	9	10	9.9	Точно 7 полей без лишнего; чистый список.
GPT-5.6 Terra (low)	10	9	10	9.9	Ровно 7 полей, точно и без лишнего.
GPT-5.6 Terra (med)	10	9	10	9.9	Ровно 7 полей, точно и без лишнего.
GPT-5.6 Terra (high)	10	9	10	9.9	Ровно 7 полей, точно и без лишнего.
GPT-5.6 Luna (low)	10	9	10	9.9	Ровно 7 полей, чисто и без лишнего.
GPT-5.6 Luna (med)	10	9	10	9.9	Ровно 7 полей, чисто и без лишнего.
GPT-5.6 Luna (high)	10	9	10	9.9	Ровно 7 полей, чисто и без лишнего.
Nemotron-3-Nano-Omni-30B	10	8	10	9.8	Все 7 полей верны, оформлено как JSON-массив — корректно, но менее читаемо.
llama-scout	9	9	10	9.1	Все 7 полей Исполнителя верны; дополнительно приведена колонка Заказчик, о которой не спрашивали, но данные корректны.
MiniMax-M3	9	9	9	9.0	Все 7 полей колонки «Исполнитель» перечислены в правильном порядке, колонки не перепутаны; единственная мелочь — «Паспорт серии» вместо видимого «Паспорт серия».
Qwen3.6-27B-FP8	8	8	10	8.2	Правильные 7 полей, но ошибочно добавлен «Исполнитель:» как реквизит.
Qwen3.6-35B-A3B-FP8	8	8	10	8.2	7 верных полей, но лишний 8-й пункт «Исполнитель:» — это строка подписи, а не реквизит.
diffusion-gemma	8	8	10	8.2	7 верных полей, но добавлен лишний «Исполнитель:» (хотя с пометкой о подписи).
GPT-5.6 Sol (low)	8	8	10	8.2	7 верных полей, но добавлен лишний «Исполнитель:» — строка подписи, а не реквизит.
GPT-5.6 Sol (med)	8	8	10	8.2	7 верных полей, но ошибочно включён «Исполнитель:».

Многие модели дали идеальный список из 7 полей; часть (35b-a3b, 27b-v2, diffusion-gemma, sol) ошибочно добавили строку подписи «Исполнитель:» как реквизит.

ocr_маркетинг_08c67de1c0 — Цена по карте на ценнике «Печень трески РУССКИЕ БЕРЕГА»

ocr · промпт 364 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На фото магазинная полка с электронными ценниками на консервы. Рассмотри правый ценник с товаром «Печень трески РУССКИЕ БЕРЕГА» (треска натуральная, 120 г). На нём указаны две цены: обычная и красная акционная «ЦЕНА ПО КАРТЕ». Назови ровно три значения: 1) цену по карте (в рублях с копейками), 2) цену без карты (в рублях с копейками) и 3) массу товара в граммах.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все три значения названы верно: 179,99 по карте, 229,99 без карты, 120 г. Ответ предельно чёткий и правильно структурированный, без лишних рассуждений (отсюда чуть ниже reasoning).
Qwen3.6-35B-A3B-FP8	10	8	8	9.6	Все три значения верны, аккуратный нумерованный список с подписями.
diffusion-gemma	10	8	8	9.6	Все три значения верны, с рублями и граммами, ясный список.
Kimi K2.6	10	8	8	9.6	Все три значения верны, с единицами и подписями, чёткий список.
GPT-5.6 Terra (low)	10	7	8	9.5	Все значения верны, с символом рубля и граммами.
GPT-5.6 Terra (med)	10	7	8	9.5	Все значения верны, с символом рубля и граммами.
GPT-5.6 Luna (low)	10	7	8	9.5	Все значения верны, с единицами измерения.
GPT-5.6 Luna (med)	10	7	8	9.5	Все значения верны, с рублями и граммами в одну строку.
GPT-5.6 Luna (high)	10	7	8	9.5	Все значения верны, с рублями и граммами в одну строку.
Qwen3.6-27B-FP8	10	6	7	9.3	Все значения верны, но ответ предельно краткий, без подписей и единиц.
gemma-4-31b	10	6	7	9.3	Все значения верны, лаконичный список без пояснений и единиц.
GPT-5.5 (low)	10	6	7	9.3	Значения верны, но перечислены через точку с запятой без подписей.
GPT-5.5 (medium)	10	6	7	9.3	Значения верны, но перечислены через точку с запятой без подписей.
GPT-5.6 Sol (low)	10	6	7	9.3	Значения верны, но без подписей и единиц.
GPT-5.6 Sol (med)	10	6	7	9.3	Значения верны, но без подписей и единиц.
GPT-5.6 Terra (high)	10	6	7	9.3	Значения верны, но перечислены без подписей и единиц.
llama-scout	5	8	8	5.6	Цена по карте 179,99 и масса 120 г верны, но цена без карты названа 229,00 вместо 229,99 — ошибка в копейках.
Nemotron-3-Nano-Omni-30B	1	2	6	1.6	Назвал только одно значение 229,99 руб. — задача не выполнена.

Большинство моделей дали все три верных значения; kimi-k2.6, 35b-a3b и diffusion-gemma лучшие по сочетанию точности и оформления. Llama-scout ошиблась в копейках, nemotron-omni провалил задачу.

ocr_маркетинг_ed50a4dbb3 — Чтение цены и даты с ценника

ocr · промпт 319 симв. · Победитель: MiniMax-M3 · 9.9/10

▸Промпт задачи

Перед вами шаблон ценника. Внимательно прочитайте текст на изображении и извлеките следующие данные: 1) основную цену товара (рубли и копейки) вместе с единицей валюты; 2) дату, указанную в правом верхнем углу; 3) числовой код товара, написанный после слова «Код:». Запишите ответ строго по тому, что видно на картинке.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	9	10	9.9	Все три ключевых факта считаны верно: 399 руб. 95 коп., дата 01.02.2025 и код 1234567890. Ответ чистый и структурированный, анализа как такового нет, но для задачи извлечения этого достаточно.
GPT-5.6 Sol (low)	10	9	9	9.8	Все верно, цена явно «399 руб. 95 коп.» — наиболее точная передача копеек.
GPT-5.6 Sol (med)	10	9	9	9.8	Все верно, цена явно «399 руб. 95 коп.» — наиболее точная передача копеек.
diffusion-gemma	10	8	9	9.7	Верно, с поясняющими подписями к каждому пункту; хороший русский.
GPT-5.5 (low)	10	8	9	9.7	Все факты верны, чистое оформление.
GPT-5.5 (medium)	10	8	9	9.7	Все факты верны, чистое оформление.
Kimi K2.6	10	8	9	9.7	Верно, цена записана явно «399,95 руб.».
GPT-5.6 Luna (low)	10	8	9	9.7	Все факты верны, аккуратный список, цена «399,95 руб.».
GPT-5.6 Luna (high)	10	8	9	9.7	Все факты верны, аккуратный список, цена «399,95 руб.».
Qwen3.6-27B-FP8	10	8	8	9.6	Идентичный корректный ответ, аккуратный список.
Qwen3.6-35B-A3B-FP8	10	8	8	9.6	Все три факта верны, аккуратный нумерованный список; цена «399 95 руб.» чуть неявно по копейкам.
gemma-4-31b	10	8	8	9.6	Все значения верны, чистый нумерованный список.
Nemotron-3-Nano-Omni-30B	10	8	8	9.6	Корректный нумерованный ответ по всем трём пунктам.
llama-scout	10	7	8	9.5	Данные верны, структура с заголовками, но LaTeX-обёртки ($399,95$) портят читаемость.
GPT-5.6 Luna (med)	10	6	8	9.4	Данные верны, но всё в одну строку через точку с запятой — менее структурно.
GPT-5.6 Terra (low)	9	7	8	8.7	Дата и код верны, но «399 руб. 95» без обозначения копеек читается неоднозначно.
GPT-5.6 Terra (med)	9	7	8	8.7	Дата и код верны, но «399 руб. 95» без обозначения копеек читается неоднозначно.
GPT-5.6 Terra (high)	9	7	8	8.7	Дата и код верны, но «399 руб. 95» без обозначения копеек читается неоднозначно.

Почти все модели верно прочитали 399,95 руб., 01.02.2025 и код 1234567890; sol-версии выделяются самой явной передачей копеек «399 руб. 95 коп.».

ocr_дата-аналитика_01b0b23944 — Стоимость владения авто: чтение значений

ocr · промпт 419 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

На инфографике «Годовая стоимость владения автомобилем С-класса» показаны отдельные статьи расходов с суммами в рублях и итоговая сумма внизу. Прочитайте с изображения и выпишите: (1) итоговую годовую стоимость владения (крупное число внизу), (2) сумму расходов на «Заправку», (3) сумму на «Страхование КАСКО» и (4) сумму на «Транспортный налог». Укажите все значения точно так, как они написаны на картинке (в рублях).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	10	9	9.9	Все четыре значения верны, ответ структурирован с ясными подписями и ₽.
Qwen3.6-27B-FP8	10	9	9	9.8	Все четыре суммы точны, чистый и понятный список с ₽.
diffusion-gemma	10	9	9	9.8	Все суммы верны, аккуратный нумерованный список с ₽.
GPT-5.5 (low)	10	9	9	9.8	Точные значения, ясный структурированный ответ.
GPT-5.5 (medium)	10	9	9	9.8	Точные значения, ясный структурированный ответ.
Kimi K2.6	10	9	9	9.8	Все четыре суммы точны, аккуратный список с подписями.
GPT-5.6 Sol (low)	10	9	9	9.8	Все суммы верны, аккуратный список через тире.
GPT-5.6 Sol (med)	10	9	9	9.8	Все суммы верны, аккуратный список через тире.
GPT-5.6 Luna (low)	10	9	9	9.8	Точные значения, ясный список с ₽.
GPT-5.6 Luna (med)	10	9	9	9.8	Точные значения, ясный список с ₽.
llama-scout	10	8	9	9.7	Значения верны, но числа обёрнуты в math-разметку ($...$), что слегка портит читаемость.
MiniMax-M3	10	9	8	9.7	Все четыре суммы прочитаны верно (196 000, 72 000, 50 000, 5 600 ₽), формат ясный и пронумерованный. Небольшой минус за косноязычную подпись «Заправка (1500 л недели)» вместо «1500 в неделю».
GPT-5.6 Luna (high)	10	8	9	9.7	Значения верны, итог записан без пробела (196000), в остальном чисто.
gemma-4-31b	10	8	8	9.6	Значения верны, но валюта записана как «р» вместо ₽, оформление минимальное.
Nemotron-3-Nano-Omni-30B	10	6	7	9.3	Значения верны, но ответ предельно сжат, одной строкой, валюта «р».
GPT-5.6 Terra (low)	10	7	6	9.3	Числа верны, но даны без подписей статей и без русского текста.
GPT-5.6 Terra (med)	10	7	6	9.3	Числа верны, но даны без подписей статей и без русского текста.
GPT-5.6 Terra (high)	10	7	6	9.3	Числа верны, но даны без подписей статей и без русского текста.

Все модели верно прочитали все четыре суммы (196 000, 72 000, 50 000, 5 600 ₽); различия только в оформлении. 35b-a3b лидирует за счёт полных подписей и ₽.

ocr_дата-аналитика_45b788fac1 — OCR: ключевые цифры инфографики о рынке мобильных игр 2013

ocr · промпт 516 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении показана инфографика «Итоги индустрии мобильных игр» за 2013 год. Внимательно прочитайте текст и цифры на картинке и ответьте точно по тому, что на ней написано: 1) Каков указанный общий объём рынка мобильных игр (большая зелёная монета слева вверху)? 2) Каково соотношение доходов с приложений между APP STORE и GOOGLE PLAY (два процента в центре)? 3) Каков объём русского рынка мобильных приложений (блок «РОССИЯ»)? 4) Сколько миллионов человек в России играют в мобильные игры (нижний правый блок)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все значения верны, чёткое оформление с привязкой процентов к магазинам.
diffusion-gemma	10	9	10	9.9	Все значения верны, понятная структура с указанием магазинов.
GPT-5.5 (low)	10	9	10	9.9	Все значения верны, лаконичное и корректное оформление.
GPT-5.5 (medium)	10	9	10	9.9	Все значения верны, чистое структурированное изложение.
Kimi K2.6	10	9	10	9.9	Все значения верны, аккуратный список с привязкой процентов.
GPT-5.6 Sol (low)	10	9	10	9.9	Все значения верны, развёрнутые формулировки с подписями.
GPT-5.6 Sol (med)	10	9	10	9.9	Все значения верны, чёткое и полное оформление.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Все значения верны, аккуратная структура; мелкое '32,4 миллионов'.
gemma-4-31b	10	9	9	9.8	Все значения верны, ясный ответ; согласование '32,4 миллионов'.
GPT-5.6 Terra (low)	10	8	9	9.7	Все значения верны, лаконичный список.
GPT-5.6 Terra (med)	10	8	9	9.7	Все значения верны, краткий список.
GPT-5.6 Terra (high)	10	8	9	9.7	Все значения верны, очень кратко без пояснений.
GPT-5.6 Luna (low)	10	8	9	9.7	Все значения верны, лаконично, минимум контекста.
GPT-5.6 Luna (med)	10	8	9	9.7	Все значения верны, кратко и по делу.
GPT-5.6 Luna (high)	10	8	9	9.7	Все значения верны, но очень кратко, без пояснений.
llama-scout	10	8	8	9.6	Все четыре значения верны, но избыточная LaTeX-разметка ($...$) засоряет текст.
Nemotron-3-Nano-Omni-30B	10	6	7	9.3	Значения верны, но предельно телеграфно, капсом и без пояснений.
MiniMax-M3	9	9	9	9.0	Все четыре ключевых значения ($13,2 млрд; 63%/37%; $330 млн; 32,4 млн) считаны верно, добавлен корректный контекст про $18 и $12 млн в день. Небольшая неточность в дополнительном факте: рост 125% отнесён к «январю 2013 года», тогда как на картинке — с января по ноябрь.

Все модели верно считали четыре значения ($13,2 млрд; 63%/37%; $330 млн; 32,4 млн). Различия только в полноте оформления; лучшие — развёрнутые ответы с привязкой процентов к магазинам.

ocr_дата-аналитика_692e0d92a6 — Траты по детской карте: значения категорий

ocr · промпт 333 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

На инфографике в блоке «ДЕТСКАЯ КАРТА» есть кольцевая (круговая) диаграмма с подписью «ТРАТЫ млн ₽», вокруг которой перечислены категории расходов с числовыми значениями. Выпишите ВСЕ категории и их числовые значения точно так, как они подписаны на диаграмме. Затем укажите, у какой категории самое большое значение и чему оно равно.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все 8 категорий и числа точны, включая ПРОЧЕЕ 1,7; максимум верно указан — Продукты 3,6.
GPT-5.6 Luna (high)	10	9	10	9.9	Все категории и числа точны, включая ПРОЧЕЕ 1,7; максимум верно — Продукты 3,6.
diffusion-gemma	7	9	9	7.4	Всё верно, кроме Прочее 1,1 (эталон 1,7) и обрезанного «ХОББ»; максимум верный.
GPT-5.5 (low)	7	9	9	7.4	Единственная ошибка — Прочее 1,1 вместо 1,7; остальные числа и максимум точны.
Kimi K2.6	7	9	9	7.4	Единственная ошибка — Прочее 1,1 вместо 1,7; максимум и остальные числа точны.
GPT-5.6 Sol (med)	7	9	9	7.4	Единственная ошибка — Прочее 1,1 вместо 1,7; максимум верный.
GPT-5.6 Terra (low)	7	9	9	7.4	Единственная ошибка — Прочее 1,1 вместо 1,7; максимум верный.
GPT-5.6 Terra (med)	7	9	9	7.4	Единственная ошибка — Прочее 1,1 вместо 1,7; максимум верный.
GPT-5.6 Terra (high)	7	9	9	7.4	Единственная ошибка — Прочее 1,1 вместо 1,7; максимум верный.
GPT-5.6 Luna (med)	7	9	9	7.4	Единственная ошибка — Прочее 1,1 вместо 1,7; максимум и прочее точны.
llama-scout	7	8	9	7.3	Всё верно, кроме Прочее 1,1 (эталон 1,7) и урезанного «Услуги»; максимум верный. LaTeX-обёртка чисел лишняя.
GPT-5.6 Sol (low)	7	9	8	7.3	Прочее 1,1 неверно и опечатка «ПРОЧЕ»; остальные числа и максимум точны.
GPT-5.6 Luna (low)	6	9	8	6.5	Две ошибки: Прочее 1,1 и «Учёба и сервис» вместо «Услуги»; максимум верный.
Nemotron-3-Nano-Omni-30B	6	8	5	6.1	Прочее 1,1 неверно, названия искажены («РАЗДЕЛЕНИЯ И ХОБИИ», «ОДЕЖЬ И ПОЕЗДКИ»); максимум верный.
GPT-5.5 (medium)	5	9	9	5.8	Три ошибки в числах: Прочее 1,1, Развлечения 3,3, Отдых 0,3; максимум всё же верный.
gemma-4-31b	2	8	8	3.2	Выдумана категория «СНЕКИ», пропущены Прочее и Отдых, Одежда 1,1 неверно; максимум угадан.
Qwen3.6-27B-FP8	1	8	9	2.5	Грубые выдумки: Отдых 8,5, Услуги 8,6; максимумом ошибочно назван «Услуги и сервис» 8,6.
MiniMax-M3	1	7	8	2.3	Все названия категорий выдуманы (Питание, Игрушки, Образование и т.п.) вместо реальных (Продукты, Развлечения и хобби, Одежда/обувь/аксессуары и др.), два значения тоже неверны (1,1 и отсутствие 1,9). Совпал лишь числовой ряд максимума 3,6, но категория названа неправильно — фактически галлюцинация при аккуратном оформлении.

Идеальны 35b-a3b и gpt-5.6-luna-high (единственные, кто верно прочитал Прочее 1,7); большинство ошиблось только в этом числе. Провалы у 27b-v2 (выдуманный максимум) и gemma-4-31b (выдуманная категория).

Охрана труда / СИЗ

safety_стройка_2753850438 — СИЗ двух рабочих на стройке

safety · промпт 455 симв. · Победитель: Kimi K2.6 · 10.0/10

▸Промпт задачи

На изображении двое рабочих на строительной площадке изучают чертёж. Оцени соблюдение требований по средствам индивидуальной защиты (СИЗ). Для КАЖДОГО из двух рабочих укажи: 1) надета ли каска и какого она цвета; 2) надет ли сигнальный жилет повышенной видимости и какого он цвета; 3) видны ли защитные очки и перчатки. Затем перечисли, какие СИЗ ОТСУТСТВУЮТ или не видны на рабочих (нарушения), и какая потенциально опасная техника видна на заднем плане.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	10	10	10.0	Безупречно: точные цвета, нарушения и ножничный подъемник, чистое оформление.
GPT-5.6 Sol (med)	10	10	10	10.0	Полный и точный ответ: цвета, нарушения, ножничный подъемник и оговорка про обувь.
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью корректно: цвета, нарушения и ножничный подъемник; развернутое обоснование.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все цвета верны, отсутствие очков/перчаток отмечено, ножничный подъемник опознан точно.
GPT-5.6 Sol (low)	10	9	10	9.9	Точные цвета, нарушения и ножничный подъемник с описанием рисков.
GPT-5.5 (medium)	9	9	10	9.1	Верные цвета и нарушения, ножничная платформа опознана, аккуратное изложение.
GPT-5.6 Terra (med)	9	9	10	9.1	Цвета и нарушения верны, ножничный подъемник опознан, аккуратная оговорка о видимости.
GPT-5.6 Luna (med)	9	9	10	9.1	Все цвета верны, отмечены нарушения и ножничный подъемник.
GPT-5.6 Luna (high)	9	9	10	9.1	Цвета и нарушения верны, фоновая платформа опознана обобщенно (не 'ножничная').
diffusion-gemma	9	9	9	9.0	Все цвета и нарушения верны, ножничный подъемник опознан; ясная структура.
GPT-5.5 (low)	9	9	9	9.0	Цвета и нарушения верны, подъемник опознан; добавлено замечание про закатанные рукава.
MiniMax-M3	9	9	9	9.0	Все ключевые детали верны: синяя каска и салатовый (лайм) жилет слева, жёлтая каска и оранжевый жилет справа, отсутствие очков и перчаток у обоих, распознан жёлтый ножничный подъёмник. Небольшой минус за не вполне подтверждённое упоминание строительных лесов на заднем плане.
GPT-5.6 Terra (high)	9	8	10	9.0	Кратко и верно: цвета, нарушения и ножничная платформа опознаны.
GPT-5.6 Luna (low)	9	9	9	9.0	Верные цвета и нарушения, подъемник опознан обобщенно; корректно.
gemma-4-31b	9	8	9	8.9	Цвета и нарушения верны, ножничный подъемник назван, но кратко и с неточной ремаркой 'вышка-тура'.
GPT-5.6 Terra (low)	9	8	9	8.9	Верные цвета и нарушения, ножничная платформа опознана; компактно.
llama-scout	8	9	9	8.2	Каски и оранжевый жилет верны, но левый жилет назван 'ярко-желтым' вместо салатового; подъемник опознан обобщенно, не как ножничный.
Nemotron-3-Nano-Omni-30B	6	3	1	5.2	Ответ на английском с утечкой тегов <think>; ошибочно приписал правому рабочему перчатки, хотя цвета и подъемник верны.

Лидеры почти равны; sol-medium дает полный набор: верные цвета, нарушения, ножничный подъемник и корректные оговорки. Nemotron провалился из-за английского языка, утечки тегов и ошибочных перчаток.

safety_нефтегаз_39752c09f9 — Оценка СИЗ работника на фоне буровой платформы

safety · промпт 624 симв. · Победитель: MiniMax-M3 · 9.2/10

▸Промпт задачи

На изображении нефтегазовой отрасли на переднем плане (слева, не в фокусе) виден работник, а на заднем плане — морская буровая платформа. Рассмотрите экипировку работника и ответьте на вопросы по охране труда и СИЗ: 1) Какие средства индивидуальной защиты (СИЗ) надеты на работнике? Перечислите всё, что видно, и укажите их цвет. 2) Есть ли на спецодежде элементы повышенной видимости (светоотражающие полосы)? 3) Носит ли работник защитную каску, и правильно ли она надета (на голове)? 4) Исходя из того, что видно на снимке, есть ли явные нарушения в ношении видимых СИЗ? Ответ обоснуйте только тем, что реально различимо.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	10	10	9.2	Верно распознаны жёлтая каска, красный комбинезон и светоотражающая полоса на рукаве, каска на голове, явных нарушений нет — всё совпадает с эталоном; лёгкий минус за неподтверждаемое утверждение об ориентации каски козырьком вперёд (работник виден со спины) и неупомянутый синий предмет в руке. Структура, оговорки о границах визуального анализа и русский язык — отличные.
Qwen3.6-27B-FP8	9	9	9	9.0	Верно распознаны каска, красный костюм, светоотражающие полосы; корректно замечен синий предмет (папка/планшет) и отсутствие нарушений.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Верно: жёлтая каска, красный комбинезон, светоотражающая полоса на рукаве, нарушений нет, прочие СИЗ не оценить. Точно и аккуратно.
gemma-4-31b	9	9	9	9.0	Точно: жёлтая каска, красный комбинезон, серебристая полоса, нарушений нет, прочие СИЗ не различимы. Ясно и корректно.
GPT-5.6 Sol (med)	9	9	9	9.0	Точно и полно; корректные оговорки об очках, перчатках, привязи. Нарушений нет.
GPT-5.6 Terra (med)	9	9	9	9.0	Верно и лаконично: каска, красный костюм, полоса, нарушений нет, прочие СИЗ не различимы.
GPT-5.6 Luna (low)	9	9	9	9.0	Точно и сдержанно: каска, красный костюм, полосы, нарушений нет, прочие СИЗ не различимы.
GPT-5.6 Luna (med)	9	9	9	9.0	Верно; синяя деталь корректно не отнесена к СИЗ. Хорошие оговорки о неопределимости.
GPT-5.6 Luna (high)	9	9	9	9.0	Образцово: каска, красный костюм, полоса, синий предмет отмечен как неопределимый, нарушений нет. Аккуратные оговорки.
GPT-5.5 (low)	8	8	9	8.1	Верно всё главное; перчатки осторожно 'вероятно', что допустимо. Хорошее обоснование неопределённости.
GPT-5.5 (medium)	8	8	9	8.1	Точно и с хорошими оговорками о неопределимых СИЗ; перчатки корректно как предположение.
Kimi K2.6	8	8	9	8.1	Верно распознаны СИЗ; утверждение об отсутствии перчаток чуть смело (руки размыты), но хорошо оговорено как неоднозначное.
GPT-5.6 Terra (low)	8	8	9	8.1	Точно; перчатки осторожно 'вероятно', нарушений нет, оговорки корректны.
GPT-5.6 Terra (high)	8	8	9	8.1	Верно; 'тёмные манжеты' — умеренное наблюдение, перчатки честно не подтверждены. Хорошее обоснование.
Nemotron-3-Nano-Omni-30B	8	8	7	7.9	Всё верно по фактам, но опечатка 'Жаска' и 'надет' снижают качество русского.
diffusion-gemma	8	8	5	7.7	Содержание верное (каска, красный, полоса, нарушений нет), но заметные опечатки ('Овываясь', 'себристого') портят русский.
GPT-5.6 Sol (low)	7	8	9	7.3	Хорошо, но перчатки заявлены почти как факт ('тёмные защитные перчатки', 'по-видимому надеты') — руки размыты, лёгкий перебор.
llama-scout	3	6	6	3.6	Ошибочно назван оранжевый цвет вместо красного и выдуман 'голографический жилет/пояс' — галлюцинация. Каска и полосы верны.

Большинство моделей точно распознали жёлтую каску, красный комбинезон и светоотражающую полосу; luna-high дополнительно верно отметил синий предмет как неопределимый. llama-scout провалил цвет и выдумал жилет.

safety_стройка_0769215fa2 — СИЗ на стройплощадке: каски и жилеты у четырёх рабочих

safety · промпт 346 симв. · Победитель: gemma-4-31b · 9.0/10

▸Промпт задачи

На изображении на возвышении (площадка/балкон строящегося высотного здания) стоят люди в строительных касках и рассматривают чертежи. Сколько всего человек на снимке? У всех ли надеты защитные каски? Сколько из них одеты в сигнальный (светоотражающий) жилет повышенной видимости? Перечисли нарушения по обеспечению СИЗ, которые видно на картинке.

Модель	C	F	Ru	Σ	Комментарий судьи
gemma-4-31b	9	9	9	9.0	Единственная модель, верно указавшая 1 жилет (второй слева) и все каски; полный набор нарушений включая работу на высоте и ограждение.
GPT-5.6 Terra (med)	6	7	9	6.4	Насчитал 2 жилета (2 без жилета) — ближе к истине, чем 3, но всё равно не 1. Каски и счёт верны, отметил высоту.
Qwen3.6-27B-FP8	5	8	9	5.7	Счёт людей и касок верен, но жилетов 3 вместо 1. Хорошо отметил отсутствие страховочных привязей на высоте.
GPT-5.5 (medium)	5	8	9	5.7	Верно 4 и каски, жилетов 3 вместо 1. Аккуратные оговорки про обувь и очки, но ключевой факт по жилетам инвертирован.
Kimi K2.6	5	8	9	5.7	Каски и счёт верны, жилетов 3 вместо 1. Подробный и структурный список нарушений (страховка, очки, перчатки, ремни).
GPT-5.6 Sol (low)	5	8	9	5.7	Счёт и каски верны, жилетов 3 вместо 1. Полный и корректно оговорённый перечень нарушений.
GPT-5.6 Sol (med)	5	8	9	5.7	4 и каски верно, жилетов 3 вместо 1. Хороший список с оговорками про страховку, очки, перчатки.
GPT-5.6 Terra (high)	5	8	9	5.7	Каски и счёт верны, жилетов 3 вместо 1. Отметил страховку на высоте и перчатки.
GPT-5.6 Luna (low)	5	8	9	5.7	4 и каски верно, жилетов 3 вместо 1. Хорошие замечания про край площадки и страховку.
GPT-5.6 Luna (med)	5	8	9	5.7	Каски и счёт верны, жилетов 3 вместо 1. Аккуратные оговорки об СИЗ, ключевой факт по жилетам неверен.
GPT-5.6 Luna (high)	5	8	9	5.7	Счёт и каски верны, жилетов 3 вместо 1. Уместно отметил отсутствие страховки на высоте.
Qwen3.6-35B-A3B-FP8	5	8	8	5.6	4 человека и каски верно, но жилетов 3 вместо 1. Добавил разумные замечания (перчатки, ремни), но проглядел работу на высоте без страховки.
llama-scout	5	7	9	5.6	Верно 4 человека и каски у всех, но жилетов насчитал 3 вместо 1 (инверсия ключевого факта); указал лишь одно нарушение.
GPT-5.5 (low)	5	7	9	5.6	Каски и счёт верны, но жилетов 3 вместо 1. Отметил высоту и страховку, но осторожно и без уверенности.
GPT-5.6 Terra (low)	5	7	9	5.6	Счёт и каски верны, жилетов 3 вместо 1, перечислено лишь одно нарушение — тонко.
diffusion-gemma	5	5	5	5.0	4 человека и каски верно, жилетов 3 вместо 1. Текст испорчен вставками (одногоstring, объекках), русский страдает.
Nemotron-3-Nano-Omni-30B	4	5	6	4.3	Путано о жилетах (двое без жилета), вставки английских слов harness/strap; счёт людей и касок верны.
MiniMax-M3	2	8	9	3.3	Ошибся в обоих ключевых подсчётах: назвал 5 человек вместо 4 и 2 сигнальных жилета вместо 1, а также выдумал детали (незастёгнутые ремешки, спецботинки). Верно лишь то, что каски у всех и что большинство без жилетов; оформление и русский язык хорошие.

Только gemma-4-31b верно определила единственный жилет (второй слева) и все каски у 4 человек; остальные инвертировали ключевой факт, насчитав 3 (или 2) жилета.

safety_стройка_3ead3bb566 — Оценка СИЗ у строительной бригады

safety · промпт 507 симв. · Победитель: Qwen3.6-27B-FP8 · 9.0/10

▸Промпт задачи

Перед вами фото строительной бригады. Внимательно рассмотрите СИЗ (средства индивидуальной защиты) у всех видимых людей и ответьте на вопросы: 1) Какое именно средство защиты головы надето на людях и какого оно цвета? Есть ли хотя бы один человек без него? 2) Какие СИЗ, обязательные на реальной стройплощадке, у людей ОТСУТСТВУЮТ (перечислите минимум 3 вида)? 3) Что держит в руках человек на переднем плане и какой инструмент виден у него на поясе? Делайте выводы строго по тому, что видно на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	9	9	9.0	Очень точно и детально: каски, отсутствующие СИЗ, два чертежа + жёлтый уровень, очки и рулетка на поясе — почти всё подтверждается картинкой.
Kimi K2.6	9	9	9	9.0	Детально и точно: каски, отсутствующие СИЗ, жёлтый уровень + два рулона чертежей, рулетка на поясе — хорошо согласуется с фото.
Qwen3.6-35B-A3B-FP8	9	9	8	8.9	Полный и точный разбор, верно про очки на поясе и чертежи с уровнем; лёгкий опечаточный сбой ('инструментеальном').
GPT-5.5 (low)	9	8	9	8.9	Каски и список отсутствующих СИЗ точны; аккуратно и с оговоркой про инструмент на поясе (отвёртка/стамеска).
GPT-5.5 (medium)	9	8	9	8.9	Точный и лаконичный ответ: жёлтые каски, полный список СИЗ, чертежи и жёлтый уровень; 'отвёртка' на поясе правдоподобна.
GPT-5.6 Sol (med)	9	8	9	8.9	Точно и полно: каски, СИЗ с оговоркой про обувь, два рулона чертежей + уровень, молоток и жёлтая рулетка на поясе.
GPT-5.6 Terra (high)	9	8	9	8.9	Каски и отсутствующие СИЗ верно, честная оговорка про обувь; чертежи, жёлтый уровень и рулетка на поясе указаны корректно.
GPT-5.6 Luna (low)	9	8	9	8.9	Точно: жёлтые каски, отсутствующие СИЗ, чертежи и уровень; 'молоток' на поясе спорен, но остальное верно.
GPT-5.6 Luna (med)	9	8	9	8.9	Верный и аккуратный разбор с оговоркой про обувь; чертежи и уровень названы, инструмент на поясе осторожно ('похож на молоток').
GPT-5.6 Terra (low)	9	8	8	8.8	Верный список СИЗ, чертежи и жёлтый уровень; лёгкая грамматическая шероховатость ('виден рулетка').
llama-scout	8	9	9	8.2	Каски жёлтые у всех — верно, 3 отсутствующих СИЗ корректны; уровень и чертежи в руках верно, но 'молоток' на поясе не подтверждается.
MiniMax-M3	8	9	9	8.2	Верно: жёлтые каски у всех без исключений, корректный список отсутствующих СИЗ (очки, перчатки, жилеты, респираторы), в руках рулоны чертежей и жёлтый уровень, на поясе инструментальный пояс с рулеткой. Небольшие домыслы: 'у многих видны обычные ботинки' (обувь почти не в кадре) и 'каски у некоторых сдвинуты небрежно'.
gemma-4-31b	8	8	9	8.1	Верно про каски и 3 отсутствующих СИЗ, чертежи и уровень; 'строительный нож' на поясе слабо подтверждается, разбор короткий.
GPT-5.6 Terra (med)	8	8	9	8.1	В целом точно, но допущение 'защитная обувь вероятно есть' — переоценка того, что на фото не видно; остальное верно.
GPT-5.6 Luna (high)	8	8	9	8.1	Каски и СИЗ верно, но упущен жёлтый уровень в руке (только чертежи), 'молоток' на поясе не подтверждён.
diffusion-gemma	8	7	5	7.6	Содержание в целом верное, но множество опечаток и двойное отрицание ('не нет'), 'рукацы', 'спираторов' сильно портят русский.
Nemotron-3-Nano-Omni-30B	7	5	8	6.9	Верно про каски и 3 отсутствующих СИЗ, но очень кратко; ошибочно относит уровень на пояс и упускает уровень в руке.
GPT-5.6 Sol (low)	6	8	9	6.5	Основное верно, но выдумка: 'жилет заметен у человека слева' — сигнального жилета на фото нет, это ошибка.

Победитель 27b-v2: наиболее точный и детальный разбор без выдумок. sol-low наказан за выдуманный жилет, nemotron — за краткость и ошибку с уровнем.

safety_стройка_2b31f05c97 — СИЗ строителей на стройплощадке

safety · промпт 403 симв. · Победитель: Kimi K2.6 · 9.0/10

▸Промпт задачи

На изображении группа людей на строительной площадке (на фоне строящихся высотных зданий, арматуры и башенных кранов). Сколько человек на снимке? Оцените соблюдение средств индивидуальной защиты (СИЗ): у всех ли на головах защитные каски и носят ли работники сигнальные жилеты? Перечислите, какие СИЗ присутствуют, и укажите хотя бы одно нарушение или фактор риска охраны труда, который виден на снимке.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	9	9	9	9.0	Точно: 5 человек, каски и жилеты у всех, подробно про торчащую арматуру без колпачков, зону крана и высоту. Полный и грамотный ответ.
GPT-5.6 Sol (med)	9	9	9	9.0	Полный разбор: 5, каски и жилеты, несколько реальных рисков (арматура, края, кран, солнце), верно отмечена постановочность.
GPT-5.6 Sol (low)	9	8	9	8.9	Верно все ключевое, отмечена арматура без колпачков и зона крана, оговорка про правого из-за освещения.
GPT-5.6 Terra (low)	9	8	9	8.9	Верно по количеству и СИЗ, риск — открытый край без защиты от падения. Кратко.
GPT-5.6 Terra (med)	9	8	9	8.9	Каски и жилеты у всех, риск назван мягко (отсутствие очков/перчаток/страховки), без акцента на край/арматуру.
GPT-5.6 Terra (high)	9	8	9	8.9	Точно: каски у всех, жилеты у большинства (правый неясно), риск падения без ограждений.
GPT-5.6 Luna (low)	9	8	9	8.9	Верно: 5, каски у всех, жилеты у 4 (правый не виден), риск — открытый край и арматура.
GPT-5.6 Luna (med)	9	8	9	8.9	Аккуратно и точно: каски у всех, жилеты у 4, риск работы на высоте у открытого края без ограждений.
GPT-5.6 Luna (high)	9	8	9	8.9	Точно по эталону: жилеты у 4, у правого не виден, риск падения без ограждений/страховки.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Верно: 5 человек, каски у всех, жилеты/светоотражающие элементы, риск — отсутствие ограждений на краю. Мелочь: каски не все белые.
gemma-4-31b	8	9	9	8.2	5 человек, каски и жилеты у всех, риск — отсутствие ограждений/страховки на высоте. Оранжевый жилет — небольшая выдумка.
MiniMax-M3	8	9	9	8.2	Верно определено 5 человек, наличие касок и сигнальных жилетов у всех, названы реальные риски (работа на высоте без ограждений/страховки, торчащая арматура). Снижение за неточности в деталях: все каски названы белыми (у четверых слева они синие/бело-синие), а жилет пятого работника ошибочно назван оранжевым.
GPT-5.5 (low)	8	8	9	8.1	5 человек, каски и жилеты соблюдены, аккуратная оговорка про обувь/очки, риск — арматура и отсутствие ограждений.
GPT-5.5 (medium)	8	8	9	8.1	Верно по количеству и СИЗ, назван риск арматуры и отсутствие защиты от падения. Формулировки чуть осторожные.
diffusion-gemma	8	7	6	7.7	Факты верны (5, каски, жилеты, риск падения без страховки), но много опечаток портят русский и ясность.
Qwen3.6-27B-FP8	6	9	9	6.6	Хорошо описана арматура и impalement-риск, но неверно заявлено, что у правого нет жилета (по картинке он лишь хуже виден из-за контрового света).
llama-scout	5	6	7	5.3	5 человек и каски верно, но ошибочно утверждает отсутствие жилета у правого и подаёт это как единственное нарушение, пропустив реальные риски (край, арматура).
Nemotron-3-Nano-Omni-30B	3	4	1	2.9	Ответ на английском (нарушение требования), ошибочно: жилет только у одного справа, остальные без — противоречит картинке; текст оборван.

Лучшие ответы — kimi-k2.6 и sol-medium: точны по СИЗ и подробно называют реальные риски. Слабейший — nemotron-omni (английский, ошибка по жилетам).

safety_стройка_b24e4794e1 — СИЗ строителей на высоте

safety · промпт 403 симв. · Победитель: MiniMax-M3 · 9.1/10

▸Промпт задачи

На фото трое рабочих/инженеров стоят на высоте на стройплощадке и смотрят на город. Оцени соблюдение требований охраны труда и наличие средств индивидуальной защиты (СИЗ). Перечисли: 1) какие СИЗ у работников есть и сколько человек их носит; 2) какие важные средства защиты отсутствуют, учитывая, что работа ведётся на высоте у края конструкции. Отвечай только по тому, что реально видно на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	9	10	9.1	Верно указаны каски и сигнальные жилеты у 3 из 3 и ключевые нарушения: отсутствие страховочных привязей/анкерных точек и ограждения края при работе на высоте; отсутствующие очки/перчатки/обувь корректно поданы как 'не видны', без выдумок.
GPT-5.6 Terra (med)	9	9	9	9.0	Каски и жилеты 3/3, без выдумок, тонкое различение СИЗ и коллективной защиты (ограждение). Обувь/перчатки корректно не оценивал.
GPT-5.6 Luna (low)	9	9	9	9.0	Каски и жилеты 3/3, аккуратные оговорки по обуви/перчаткам/очкам, полный список отсутствующей защиты от падения.
GPT-5.6 Luna (med)	9	9	9	9.0	Каски и жилеты 3/3, без выдумок, корректные оговорки. Отсутствуют привязи и ограждения.
GPT-5.6 Luna (high)	9	9	9	9.0	Точно: каски и жилеты 3/3, прочее достоверно не видно; чётко перечислены отсутствующие системы защиты от падения. Без выдумок.
gemma-4-31b	9	8	9	8.9	Точно и без выдумок: каски и жилеты 3/3, отсутствуют привязи, стропы и ограждения. Кратко.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Верно: каски и жилеты 3/3, отсутствуют привязи, анкерные точки и ограждения. Очки указаны с оговоркой 'вероятно' — приемлемо.
GPT-5.6 Sol (low)	8	9	9	8.2	Каски и жилеты 3/3, полный разбор защиты от падения. Очки у 2 указаны утвердительно — небольшой риск.
GPT-5.6 Sol (med)	8	9	9	8.2	Каски и жилеты 3/3, очки с оговоркой 'нельзя подтвердить'. Чёткий вывод об отсутствии защиты от падения.
GPT-5.6 Terra (low)	8	9	9	8.2	Каски и жилеты 3/3, аккуратные оговорки по очкам/перчаткам/обуви, верный список отсутствующей защиты от падения.
GPT-5.6 Terra (high)	8	9	9	8.2	Каски и жилеты 3/3, очки 'вероятно у 2' с оговоркой. Корректно про отсутствие привязей и ограждений.
Qwen3.6-27B-FP8	8	8	9	8.1	Каски и жилеты 3/3, привязи и ограждения отсутствуют. Утверждение об отсутствии перчаток — небольшой перебор, обувь корректно не оценивал.
GPT-5.5 (low)	8	8	9	8.1	Каски и жилеты 3/3, чётко перечислены отсутствующие средства защиты от падения. Очки у 2 — с оговоркой.
GPT-5.5 (medium)	8	8	9	8.1	Полный и аккуратный разбор, каски/жилеты 3/3, ключевой вывод о защите от падения. Очки корректно с оговоркой.
Kimi K2.6	8	8	9	8.1	Каски и жилеты 3/3, отсутствуют привязи и ограждения. Утверждение об отсутствии перчаток — небольшой перебор.
diffusion-gemma	8	7	5	7.6	Суть верна (каски/жилеты 3/3, нет защиты от падения и ограждений), но текст испорчен вставками и опечатками ('следующуюاً', 'усиненным').
Nemotron-3-Nano-Omni-30B	6	5	3	5.6	Суть угадана (каски/жилеты 3/3, нет страховки и ограждений), но русский сильно испорчен ('ВысоковISI-видео', 'орanja').
llama-scout	4	6	7	4.5	Пропустил сигнальные жилеты полностью (назвал только каски) — существенная неполнота. Верно про отсутствие привязей.

Большинство верно назвали каски и жилеты 3/3 и отсутствие защиты от падения. Луна/терра-версии без выдумок наиболее точны; llama-scout пропустил жилеты, nemotron и diffusion испорчены по языку.

safety_стройка_f9ff1ae3c5 — СИЗ и охрана труда на высотной площадке

safety · промпт 357 симв. · Победитель: MiniMax-M3 · 9.1/10

▸Промпт задачи

На фото два рабочих стоят на высотной площадке (крыше строящегося здания) и смотрят на панораму городской стройки. Оцени соблюдение средств индивидуальной защиты (СИЗ) и охраны труда. Перечисли: 1) какие СИЗ на рабочих присутствуют; 2) какие важные нарушения охраны труда при работе на высоте видны на изображении. Отвечай строго по тому, что реально видно.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	9	10	9.1	Верно определены присутствующие СИЗ (белые каски, сигнальные жилеты со светоотражающими полосами) и все ключевые нарушения: отсутствие страховочной привязи/фала/анкерных точек и ограждения по краю площадки; упоминание телефона в руке соответствует картинке. Небольшой минус за пункты-предположения (отсутствие подбородочных ремней, сеток), выходящие за рамки строго видимого.
GPT-5.5 (medium)	9	9	9	9.0	Полный и точный разбор всех видимых СИЗ и нарушений с грамотными оговорками о том, что достоверно не различимо.
GPT-5.6 Sol (med)	9	9	9	9.0	Полный и точный ответ: все видимые СИЗ и нарушения, включая телефон и захламление, с уместными оговорками.
GPT-5.5 (low)	9	8	9	8.9	Точно: каски, жилеты, отсутствие страховки и ограждения, захламление, телефон. Корректно оговаривает, что обувь/перчатки не видно.
GPT-5.6 Sol (low)	9	8	9	8.9	Каски, жилеты и детально описанные нарушения (нет перил с бортовой доской, нет привязи, захламление) точно, с корректными оговорками.
GPT-5.6 Terra (low)	9	8	9	8.9	Верно назвал СИЗ и нарушения, включая телефон и захламление, корректно оговорил не различимые СИЗ.
GPT-5.6 Terra (med)	9	8	9	8.9	Точный разбор: каски, жилеты, отсутствие страховки и ограждения, захламление, телефон. Всё по делу.
GPT-5.6 Terra (high)	9	8	9	8.9	Сжато и точно: каски, жилеты, отсутствие привязи/анкеров, ограждения и захламление. Без домыслов.
gemma-4-31b	8	8	9	8.1	Кратко и точно: каски, жилеты, отсутствие привязи, ограждения и анкерных точек, близость к краю. Всё по делу без выдумок.
Kimi K2.6	8	8	9	8.1	Каски, жилеты и ключевые нарушения (нет привязи, недостаточное ограждение/парапет, край без страховки) точно и лаконично.
GPT-5.6 Luna (low)	8	8	9	8.1	Точно назвал СИЗ и нарушения, аккуратно оговорил неопределённость с телефоном/рацией и прочими СИЗ.
GPT-5.6 Luna (med)	8	8	9	8.1	Верно по сути, но чрезмерно осторожен: оговорка, что нельзя утверждать полное отсутствие страховки, ослабляет вывод при очевидной картине.
Qwen3.6-27B-FP8	8	8	8	8.0	Каски и жилеты верно, ключевые нарушения (харнес, парапет, телефон, захламление) точно. Небольшая спекуляция про белую перчатку, но аккуратно оговорена.
Qwen3.6-35B-A3B-FP8	8	8	8	8.0	Каски, жилеты и главные нарушения (отсутствие страховки, ограждения, захламление, телефон) описаны точно и глубоко.
GPT-5.6 Luna (high)	8	8	8	8.0	Каски, жилеты, отсутствие ограждения и страховки, захламление верно; уместные оговорки. Опечатка подбарашных.
diffusion-gemma	7	7	6	6.9	Основное верно (каски, жилеты, харнес, ограждение, телефон), но домысел про отсутствие спецобуви и заметные опечатки (калески, перимальные) снижают качество.
Nemotron-3-Nano-Omni-30B	7	6	5	6.7	Каски и жилеты, основное нарушение (нет страховки/ограждения) верно, но перебор про защиту глаз/слуха и слабый русский (гарнеса, лайн-ректора, якорному пункту).
llama-scout	6	7	8	6.3	Верно назвал каски и ключевые нарушения (нет страховки, нет ограждения), но полностью пропустил сигнальные жилеты и ошибочно написал, что рабочие сидят на краю (они стоят).

Почти все модели верно определили каски и сигнальные жилеты и ключевые нарушения (нет страховочной системы и ограждения). Победитель — gpt-5.5-medium за самый полный, точный и грамотно оговорённый ответ; llama-scout слабее всех (пропустил жилеты).

safety_нефтегаз_cb37cd254f — Идентификация СИЗ: каска с подбородочным ремнём

safety · промпт 523 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении показан один предмет средств индивидуальной защиты (СИЗ) на белом фоне. Ответьте на вопросы строго по тому, что видно: 1) Какой именно вид СИЗ изображён и какую часть тела он защищает? 2) Какой тип полей у этого защитного шлема — только спереди (козырёк) или круговые (по всему периметру)? 3) Присутствует ли подбородочный ремень (фиксирующий ремешок) и видна ли внутренняя подвесная система (оголовье)? 4) Можно ли по этому изображению оценить соблюдение правил охраны труда конкретным работником, и почему?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью корректно: каска, круговые поля, подбородочный ремень и оголовье, оценка ОТ невозможна.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Всё верно: каска, круговые поля, ремень и оголовье видны, оценка ОТ невозможна из-за отсутствия человека.
gemma-4-31b	10	9	10	9.9	Все четыре пункта верны и лаконичны, без выдумок.
GPT-5.5 (low)	10	9	10	9.9	Все ответы верные и точные, без галлюцинаций.
GPT-5.5 (medium)	10	9	10	9.9	Корректно и подробно по всем пунктам.
GPT-5.6 Sol (low)	10	9	10	9.9	Все ответы верные и чёткие.
GPT-5.6 Sol (med)	10	9	10	9.9	Компактно и полностью верно по всем пунктам.
GPT-5.6 Terra (low)	10	9	10	9.9	Все четыре пункта корректны.
GPT-5.6 Terra (med)	10	9	10	9.9	Полностью верный и ясный ответ.
GPT-5.6 Terra (high)	10	9	10	9.9	Верно и лаконично, без выдумок.
GPT-5.6 Luna (low)	10	9	10	9.9	Точный и полный ответ по всем четырём вопросам.
GPT-5.6 Luna (med)	10	9	10	9.9	Корректно: каска, круговые поля, ремень, оголовье, ОТ оценить нельзя.
GPT-5.6 Luna (high)	10	9	10	9.9	Все пункты верны, дополнен обоснованный список ограничений оценки ОТ.
diffusion-gemma	10	8	8	9.6	Верно по сути (каска, круговые поля, ремень, оголовье, ОТ нельзя), но есть опечатки в тексте.
MiniMax-M3	9	9	10	9.1	Все четыре пункта отвечены верно: защитная каска для головы, круговые поля (full brim), наличие подбородочного ремня и видимой подвесной системы, и корректный вывод о невозможности оценки охраны труда из-за отсутствия человека и рабочей среды. Небольшая доработка деталей (описание подвески как крестообразной из текстильных строп) слегка выходит за пределы того, что чётко различимо.
Kimi K2.6	9	9	10	9.1	Верно всё; небольшая неточность про «два ремешка с подбородочной чашей», но суть корректна.
llama-scout	4	8	9	4.9	Ошибочно указал козырёк только спереди и что оголовье не видно; верно лишь про каску, ремень и невозможность оценки ОТ.
Nemotron-3-Nano-Omni-30B	0	0	0	0.0	Ответ — бессвязный текст на английском, не отвечает на вопросы.

Большинство моделей дали идентично корректные ответы; 35b-a3b и 27b-v2 наиболее полные. llama-scout ошибся в типе полей и оголовье, nemotron-omni выдал бессвязный ответ.

safety_нефтегаз_9fe9db7177 — СИЗ работницы: что надето и какое нарушение

safety · промпт 292 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На фото изображена работница в спецодежде. Перечислите, какие средства индивидуальной защиты (СИЗ) на ней надеты (головной убор, защита органов дыхания, верхняя одежда). Затем укажите главное нарушение требований охраны труда, связанное с её внешним видом / волосами, которое видно на снимке.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Точно перечислены каска, респиратор, синяя куртка со светоотражателями и распущенные волосы как нарушение.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три СИЗ верно, маска корректно определена как FFP2 NR D по маркировке, нарушение с волосами указано точно.
Kimi K2.6	10	9	9	9.8	Точно все три СИЗ и распущенные волосы сбоку; развёрнутое обоснование.
gemma-4-31b	9	9	10	9.1	Верно все СИЗ и распущенные волосы; чёткое обоснование риска.
GPT-5.5 (low)	9	9	10	9.1	Все СИЗ и нарушение с распущенными волосами верны, кратко и точно.
MiniMax-M3	9	9	10	9.1	Все три группы СИЗ определены верно (оранжевая каска, белый одноразовый респиратор, синяя спецкуртка со светоотражающими полосами), главное нарушение — распущенные длинные волосы вне каски — названо точно и аргументированно. Небольшие неточности: светоотражающие полосы серые, а не оранжевые, добавлено спорное утверждение о смещённой назад каске.
GPT-5.6 Sol (low)	9	9	10	9.1	СИЗ и нарушение указаны верно и ясно.
GPT-5.6 Sol (med)	9	9	10	9.1	Верно все СИЗ и распущенные волосы как нарушение.
GPT-5.6 Luna (low)	9	9	10	9.1	Верно перечислены СИЗ и указано на неубранные волосы.
diffusion-gemma	9	9	9	9.0	Каска, респиратор FFP, спецодежда и неубранные волосы указаны верно.
GPT-5.5 (medium)	9	8	10	9.0	Верно, но опущен цвет каски и детали куртки; суть верна.
GPT-5.6 Terra (low)	9	8	10	9.0	Все СИЗ и нарушение верны, кратко.
GPT-5.6 Terra (med)	9	8	10	9.0	Верно, но опущен цвет каски; нарушение указано точно.
GPT-5.6 Terra (high)	9	8	10	9.0	Верно перечислены СИЗ и указано на свисающие неубранные волосы.
GPT-5.6 Luna (med)	9	8	10	9.0	Всё верно; корректное указание на нарушение с волосами.
GPT-5.6 Luna (high)	9	8	10	9.0	Все СИЗ и нарушение верны, лаконично и грамотно.
Nemotron-3-Nano-Omni-30B	9	8	6	8.6	Содержание верное, но грамматические ошибки ('оранжевая защитная шлем', 'диспенсер') и лишние домыслы о химвеществах.
llama-scout	8	9	9	8.2	Всё верно, но маска названа хирургической/респиратором с колебанием — менее точно, чем фильтрующий респиратор.

Почти все модели верно назвали каску, респиратор, синюю спецовку и распущенные волосы как нарушение. 27b-v2, 35b-a3b и kimi дали наиболее полные и точные ответы; nemotron ниже из-за грамматических ошибок и лишних домыслов.

safety_нефтегаз_3e9aa5368c — Идентификация СИЗ: каска

safety · промпт 476 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении показан предмет средств индивидуальной защиты (СИЗ) на белом фоне. Ответьте на вопросы строго по тому, что видно на картинке: 1) Какой именно вид СИЗ изображён и какую часть тела он защищает? 2) Какого он цвета? 3) Перечислите видимые конструктивные особенности этого изделия (например, наличие вентиляционных отверстий, козырька, подбородочного ремня). Уточните: можно ли по этому изображению оценить соблюдение работниками правил охраны труда и СИЗ, и почему?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Максимально полный и точный ответ: каска, синий, вентиляция, козырёк, ремень, подвеска, гребень и даже водяной знак; безупречный вывод об ОТ.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Полностью верно, все ключевые детали, отмечена внутренняя подвеска и водяной знак/каталожность, корректный вывод о невозможности оценки нарушений.
MiniMax-M3	9	9	10	9.1	Каска, синий цвет, вентиляционные прорези, козырёк, чёрный подбородочный ремень и внутренняя оснастка распознаны верно; ключевой вывод о невозможности оценки соблюдения охраны труда из-за отсутствия людей сделан корректно, с упоминанием водяного знака. Небольшая надстройка сверх видимого (рёбра жёсткости, назначение переднего узла, водосточный жёлоб, цветовое кодирование) чуть избыточна, но не искажает картинку.
Kimi K2.6	9	9	10	9.1	Очень подробно и верно; регулировочный храповик сзади слегка спекулятивен, но остальное точно, вывод об ОТ безупречен.
llama-scout	9	9	9	9.0	Верно: синяя каска, вентиляция, козырёк, чёрный ремень, корректный вывод о невозможности оценки ОТ. Небольшая неточность — вентиляция отнесена к передней части.
gemma-4-31b	9	9	9	9.0	Всё верно и лаконично: каска, синяя, козырёк, вентиляция, рёбра, ремень, корректный вывод. Чуть меньше глубины.
GPT-5.5 (low)	9	9	9	9.0	Верно распознаны каска, цвет, вентиляция, козырёк, ремень, оголовье; корректный и обоснованный вывод об ОТ.
GPT-5.5 (medium)	9	9	9	9.0	Верно всё главное, хотя ремень описан осторожно ("или часть крепления"); вывод об ОТ корректен.
GPT-5.6 Sol (low)	9	9	9	9.0	Верно: каска, синий, вентиляция, козырёк, оголовье с задним регулятором, ремень; корректный вывод об ОТ.
GPT-5.6 Sol (med)	9	9	9	9.0	Полный и точный ответ с деталями оголовья и отбортовки; корректный и развёрнутый вывод об ОТ.
GPT-5.6 Terra (low)	9	9	9	9.0	Верно и лаконично: козырёк, вентиляция, оголовье, ремень; корректный вывод об ОТ.
GPT-5.6 Terra (med)	9	9	9	9.0	Кратко и верно: козырёк, вентиляция, оголовье, чёрный ремень; корректный вывод о невозможности оценки ОТ.
GPT-5.6 Terra (high)	9	9	9	9.0	Верно и кратко: козырёк, вентиляция, оголовье, ремень; корректный вывод. Вентиляция отнесена к задней части.
GPT-5.6 Luna (low)	9	9	9	9.0	Лаконично и верно: вентиляция, козырёк, ремень; корректный вывод об ОТ.
GPT-5.6 Luna (med)	9	9	9	9.0	Верно все ключевые признаки и оголовье; корректный вывод о невозможности оценки нарушений.
GPT-5.6 Luna (high)	9	9	9	9.0	Верно: каска, синий, козырёк, вентиляция, ремень, задний фиксатор; корректный вывод о невозможности оценки ОТ.
diffusion-gemma	9	8	6	8.6	Содержательно верно, но заметны опечатки/сбои текста ("выраобразный", "черного ре цвета"), портящие русский.
Nemotron-3-Nano-Omni-30B	8	8	7	7.9	Суть верна, но странная терминология ("козырь/брелок"), вентиляция отнесена к задней части; вывод об ОТ правильный.

Почти все модели верно опознали синюю защитную каску, её элементы и корректно отметили невозможность оценки нарушений ОТ. 27b-v2 самый полный и точный (включая водяной знак); слабее diffusion-gemma (опечатки) и nemotron (неудачная терминология).

Сцены и объекты

scene_банки_20d3126749 — Вход в отделение банка ДОМ.РФ

scene · промпт 324 симв. · Победитель: Qwen3.6-27B-FP8 · 8.9/10

▸Промпт задачи

На фото — вход в отделение банка вечером. Внимательно рассмотрите изображение и ответьте на вопросы: 1) Название какого банка указано на вывеске над входом? 2) Какой техникой (компьютерами какого типа/бренда) оборудованы рабочие столы сотрудников внутри? 3) Что стоит в белых напольных кашпо в зоне входа и внутри помещения?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	8	9	8.9	Все верно; догадки про драцены/фикусы аккуратно помечены как предположение.
Qwen3.6-35B-A3B-FP8	9	8	9	8.9	Все верно распознано, хорошее пояснение по логотипу Apple.
llama-scout	9	8	9	8.9	Верно: ДОМ.РФ Банк, iMac, растения. Все три ответа корректны.
gemma-4-31b	9	8	9	8.9	Банк, iMac и растения распознаны верно, лаконично.
GPT-5.5 (low)	9	8	9	8.9	Все три ответа верны, кратко и по делу.
GPT-5.5 (medium)	9	8	9	8.9	Верно все; хорошая детализация по растениям (папоротники, деревце).
Kimi K2.6	9	8	9	8.9	ДОМ.РФ, iMac и растения распознаны верно.
GPT-5.6 Sol (low)	9	8	9	8.9	Все верно, кратко.
GPT-5.6 Sol (med)	9	8	9	8.9	Верно все; детализация растений (пальмы, кустарники).
GPT-5.6 Terra (low)	9	8	9	8.9	Все верно: Дом.РФ Банк, iMac, растения.
GPT-5.6 Terra (med)	9	8	9	8.9	Все верно, максимально лаконично.
GPT-5.6 Terra (high)	9	8	9	8.9	Все три ответа верны и точны.
GPT-5.6 Luna (low)	9	8	9	8.9	Все три ответа корректны, лаконично.
GPT-5.6 Luna (med)	9	8	9	8.9	Верно все, с уточнением про папоротники и деревца.
GPT-5.6 Luna (high)	9	8	9	8.9	Все верно: Банк ДОМ.РФ, iMac, растения.
MiniMax-M3	8	9	9	8.2	Все три ответа по сути верны: iMac и зелёные растения узнаны, банк корректно определён как ДОМ.РФ Банк, но сама вывеска прочитана неточно («ДОМ БАНК», без РФ). Незначительные домыслы о конкретных видах растений (аспидистра, фикус Бенджамина) и «премиум-класс» слегка снижают точность.
Nemotron-3-Nano-Omni-30B	3	7	8	3.9	Назвал «Альфа-Банк» вместо ДОМ.РФ — выдумка на ключевом вопросе; iMac и растения верны.
diffusion-gemma	3	6	5	3.5	Выдумал название «ОФП БАНК» вместо ДОМ.РФ — грубая ошибка на главном вопросе; iMac и растения верны, есть опечатки.

Большинство моделей верно прочитали ДОМ.РФ Банк и узнали iMac. diffusion-gemma («ОФП БАНК») и nemotron-omni («Альфа-Банк») провалили главный вопрос выдумкой.

scene_банки_847712f981 — Название банка и цвет стульев в офисе

scene · промпт 235 симв. · Победитель: llama-scout · 9.9/10

▸Промпт задачи

На изображении показан интерьер банковского офиса. Внимательно рассмотрите сцену и ответьте на два вопроса: 1) Название какого банка указано на надписи на стене за стойкой? 2) Какого цвета стулья для посетителей, стоящие перед стойкой?

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	10	9	10	9.9	Оба ответа верны: «Банк Югра» и оранжевые стулья. Развёрнутая структурированная подача с заголовками.
MiniMax-M3	10	9	10	9.9	Оба ответа полностью верны: «БАНК ЮГРА» с оранжевым круглым логотипом и оранжевые стулья. Дополнительные детали (бело-зелёная гамма, оранжевые акценты) точны и подтверждаются изображением.
gemma-4-31b	10	8	10	9.8	Оба факта верны, лаконичный чистый ответ.
GPT-5.5 (low)	10	8	10	9.8	Верно: «Банк Югра» и оранжевые стулья, кратко и точно.
GPT-5.5 (medium)	10	8	10	9.8	Верно: «Банк Югра» и оранжевые стулья, кратко и точно.
Kimi K2.6	10	8	10	9.8	Верно: «Банк Югра» и оранжевые стулья, с уточнением о цвете надписи.
GPT-5.6 Sol (low)	10	8	10	9.8	Оба факта верны, лаконично и грамотно.
GPT-5.6 Sol (med)	10	8	10	9.8	Оба факта верны, лаконично и грамотно.
GPT-5.6 Terra (low)	10	8	10	9.8	Оба факта верны, лаконично и грамотно.
GPT-5.6 Terra (med)	10	8	10	9.8	Оба факта верны, лаконично и грамотно.
GPT-5.6 Terra (high)	10	8	10	9.8	Оба факта верны, лаконично и грамотно.
GPT-5.6 Luna (low)	10	8	10	9.8	Оба факта верны, лаконично и грамотно.
GPT-5.6 Luna (med)	10	8	10	9.8	Оба факта верны, лаконично и грамотно.
GPT-5.6 Luna (high)	10	8	10	9.8	Оба факта верны, лаконично и грамотно.
Qwen3.6-27B-FP8	10	8	9	9.7	Верно назван «БАНК ЮГРА» и оранжевый цвет. Кратко и по делу.
Qwen3.6-35B-A3B-FP8	10	8	9	9.7	Верно: «Банк Югра» и оранжевые стулья, отмечены дополнительные стулья в кадре.
Nemotron-3-Nano-Omni-30B	10	6	9	9.5	Оба ответа верны, но предельно сжато без пояснений.
diffusion-gemma	3	8	9	4.1	Название искажено до «БАНК ЮГРАД» (выдуманная буква), хотя цвет стульев назван верно.

Почти все модели верно назвали «Банк Югра» и оранжевые стулья; llama-scout выделяется наиболее полной и структурированной подачей. diffusion-gemma исказила название в «ЮГРАД».

scene_банки_94acf07baf — Навигация и интерьер банковского зала

scene · промпт 398 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На изображении показан интерьер банковского отделения. В левой части висит синяя навигационная табличка с тремя строками-указателями, в каждой из которых есть направляющая стрелка. Перечислите все три пункта навигации в порядке сверху вниз и для каждого укажите, в какую сторону направлена стрелка (вправо, влево или вверх). Также назовите марку компьютеров (моноблоков), стоящих на рабочих столах.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все три пункта таблички прочитаны верно и направления стрелок сопоставлены точно (вправо/вверх/влево), компьютеры корректно определены как моноблоки Apple iMac. Ответ структурирован, обоснование опознания марки по логотипу на задней крышке соответствует картинке.
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью верно, упомянул логотип яблока. Ясная и компактная структура.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Всё верно, дополнительно обосновал марку по логотипу яблока. Чёткая структура.
llama-scout	10	9	10	9.9	Все три пункта и стрелки верны, Apple iMac назван. Формат с заголовками аккуратный, но $-обёртки вокруг Apple iMac лишние.
diffusion-gemma	10	9	10	9.9	Верно всё, обосновал iMac дизайном и логотипом. Хорошая структура.
GPT-5.5 (low)	10	9	10	9.9	Всё верно, Apple/iMac указан. Компактно и ясно.
GPT-5.5 (medium)	10	9	10	9.9	Все пункты и стрелки верны, Apple iMac. Аккуратный формат.
Kimi K2.6	10	9	10	9.9	Полностью верно с символами стрелок и моделью iMac. Чёткая структура.
GPT-5.6 Sol (low)	10	9	10	9.9	Все пункты и стрелки верны, Apple iMac. Аккуратный формат.
GPT-5.6 Sol (med)	10	9	10	9.9	Все пункты и стрелки верны, Apple iMac. Аккуратный формат.
GPT-5.6 Terra (low)	10	9	10	9.9	Всё верно, Apple iMac. Чёткий список.
GPT-5.6 Terra (med)	10	9	10	9.9	Всё верно, Apple iMac. Чёткий список.
GPT-5.6 Terra (high)	10	9	10	9.9	Всё верно, моноблоки Apple iMac. Чёткий список.
GPT-5.6 Luna (low)	10	9	10	9.9	Всё верно, Apple iMac. Ясный краткий список.
GPT-5.6 Luna (med)	10	9	10	9.9	Всё верно, Apple iMac. Ясный краткий список.
GPT-5.6 Luna (high)	10	9	10	9.9	Всё верно, Apple iMac. Ясный краткий список.
gemma-4-31b	10	8	10	9.8	Все пункты и стрелки верны, Apple назван без модели и пояснений — минималистично, но корректно.
Nemotron-3-Nano-Omni-30B	10	4	9	9.3	Данные верны, но ответ предельно сжат в одну строку без структуры и без модели iMac.

Все модели прочитали три пункта и направления стрелок верно и правильно назвали Apple iMac. Победитель обосновал марку по логотипу и дал безупречную структуру; nemotron-omni слабее всех из-за предельно сжатого формата.

scene_банки_678491a1d1 — Бренд банка и зона ресепшн

scene · промпт 395 симв. · Победитель: Qwen3.6-27B-FP8 · 9.0/10

▸Промпт задачи

Перед вами интерьер банковского отделения. Внимательно рассмотрите сцену и ответьте: 1) Какому банку принадлежит это помещение (название на стене) и какой банковской группе он принадлежит (надпись на стойке ресепшн)? 2) Сколько в кадре зелёных мягких кресел и какого они оттенка? 3) Что стоит на стойке ресепшн из техники? 4) Назовите минимум три элемента интерьера зоны ожидания (мебель/декор).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	9	9	9.0	Оба бренда верны, распознал iMac по логотипу-яблоку на задней крышке, элементы точны. Сильный ответ.
GPT-5.5 (low)	9	9	9	9.0	Оба бренда верны, iMac определён верно, элементы полные включая фрукты на столике.
GPT-5.5 (medium)	9	9	9	9.0	Оба бренда верны, iMac верно, богатый и точный список элементов зоны ожидания.
Kimi K2.6	9	9	9	9.0	Оба бренда верны, iMac-моноблок верно, элементы точны включая белые шторы слева.
GPT-5.6 Sol (low)	9	9	9	9.0	Оба бренда и iMac верны, детальный список элементов включая журналы и фрукты.
GPT-5.6 Sol (med)	9	9	9	9.0	Оба бренда и iMac верны, элементы полные и точные.
GPT-5.6 Terra (med)	9	9	9	9.0	Оба бренда и iMac верны, структурированный полный перечень элементов.
GPT-5.6 Terra (high)	8	8	9	8.1	Бренды и iMac верны, элементы включая пальму в кашпо перечислены.
GPT-5.6 Luna (low)	8	8	9	8.1	Оба бренда и iMac верны, элементы корректны, изложение сжатое.
GPT-5.6 Luna (med)	8	8	9	8.1	Бренды и iMac верны, элементы перечислены кратко и точно.
GPT-5.6 Luna (high)	8	8	9	8.1	Бренды и iMac верны, элементы перечислены, но ответ очень краткий.
llama-scout	8	8	8	8.0	Оба бренда верны, кресла 2 (зачтено), верно определён моноблок Apple, три элемента интерьера. Немного скупо.
GPT-5.6 Terra (low)	8	7	9	8.0	Все факты верны включая iMac, но оформление без структуры, сжато.
Qwen3.6-35B-A3B-FP8	6	8	9	6.5	Бренды верны, но технику назвал ноутбуком/MacBook — на деле iMac-моноблок. Элементы корректны.
diffusion-gemma	6	8	8	6.4	Бренды верны, элементы корректны, но технику ошибочно назвал ноутбуком MacBook вместо iMac.
Nemotron-3-Nano-Omni-30B	6	7	5	6.0	Бренды верны, но техника ошибочно ноутбук/MacBook; в тексте языковая мешанина («Пotted plant»).
gemma-4-31b	3	8	9	4.1	Придумал группу «ROSBANK FINANCIAL GROUP» вместо SOCIETE GENERALE, технику назвал ноутбуком — две ошибки.
MiniMax-M3	2	7	8	3.1	ROSBANK и моноблок Apple опознаны верно, но название группы на стойке выдумано («INTERFAX GROUP» вместо SOCIETE GENERALE GROUP), а в перечислении добавлено несуществующее «большое зеркало в золотой раме»; кресел названо два вместо трёх. Формат и русский хорошие, но грубые галлюцинации по ключевому пункту.

Топ-ответы (27b-v2, gpt-5.5-medium, sol-*, kimi) верно прочитали оба бренда и опознали iMac; слабее те, кто назвал технику ноутбуком, а gemma-4-31b выдумала банковскую группу.

scene_маркетинг_04b64b537f — Реклама бренда на здании

scene · промпт 331 симв. · Победитель: MiniMax-M3 · 9.9/10

▸Промпт задачи

Рассмотрите фотографию городского здания с наружной рекламой. На крыше и на стене здания несколько раз повторяется логотип одного и того же бренда одежды. Какое название бренда (написанное русскими буквами) изображено на этих красно-белых рекламных щитах? Также укажите, какой телефонный номер написан на баннере со словом «ОФИСЫ».

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	9	10	9.9	Бренд «ТВОЕ» и телефон 780-61-11 распознаны абсолютно верно, без галлюцинаций. Ответ лаконичный и аккуратно оформленный, но развёрнутого анализа сцены нет.
Qwen3.6-35B-A3B-FP8	10	8	10	9.8	Верно назван бренд ТВОЕ и номер 780-61-11, чёткое структурированное оформление.
GPT-5.5 (low)	10	8	10	9.8	ТВОЕ и 780-61-11 верно, аккуратное оформление.
GPT-5.5 (medium)	10	8	10	9.8	ТВОЕ и 780-61-11 верно, аккуратное оформление.
Kimi K2.6	10	8	10	9.8	Верно ТВОЕ и т.780-61-11, ясно и структурировано.
gemma-4-31b	10	7	10	9.7	Оба факта верны: ТВОЕ и 780-61-11, ясный ответ.
GPT-5.6 Sol (low)	10	7	10	9.7	ТВОЕ и 780-61-11 верно, лаконично.
GPT-5.6 Sol (med)	10	7	10	9.7	ТВОЕ и 780-61-11 верно, лаконично.
GPT-5.6 Terra (low)	10	7	10	9.7	«Твое» и 780-61-11 верно.
GPT-5.6 Terra (med)	10	7	10	9.7	ТВОЕ и 780-61-11 верно, лаконично.
GPT-5.6 Terra (high)	10	7	10	9.7	ТВОЕ и 780-61-11 верно, лаконично.
GPT-5.6 Luna (low)	10	7	10	9.7	ТВОЕ и 780-61-11 верно, кратко и точно.
Nemotron-3-Nano-Omni-30B	10	5	9	9.4	Оба факта верны, но ответ предельно лаконичен без структуры.
GPT-5.6 Luna (med)	8	7	10	8.1	Номер верный, но бренд написан «ТВОЁ» с Ё вместо Е.
GPT-5.6 Luna (high)	8	7	10	8.1	Номер верный, но бренд написан «ТВОЁ» с Ё вместо Е.
diffusion-gemma	7	6	9	7.1	Бренд ТВОЕ верный, но номер записан с шумом «7,780-61-11».
Qwen3.6-27B-FP8	4	7	9	4.8	Номер 780-61-11 верный, но название искажено (ТЕОЕ вместо ТВОЕ).
llama-scout	4	6	9	4.7	Бренд «Твое» верный, но номер прочитан неверно (+7 780 61-11), потеряна группа цифр.

Много моделей дали идеально верный ответ; 35b-a3b, kimi-k2.6, gpt-5.5 выделяются точностью и аккуратной структурой. Ошиблись llama-scout (номер) и 27b-v2 (название).

scene_маркетинг_5b9f3fd782 — Реклама Škoda Kodiaq на фасаде здания

scene · промпт 408 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед тобой фотография городской сцены с большим рекламным баннером на боковом фасаде здания. Внимательно рассмотри рекламу и ответь: 1) Какой бренд и какая конкретная модель автомобиля рекламируются (что написано крупным текстом)? 2) Какого цвета и типа кузова изображённый автомобиль? 3) Какой адрес сайта указан в нижней части баннера? 4) Какой рекламный слоган (tagline) написан рядом с логотипом бренда?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью корректно: белый SUV, все текстовые данные считаны верно, хорошая структура.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Всё верно: ŠKODA KODIAQ, белый SUV, SKODA-AUTO.RU, SIMPLY CLEVER. Чёткая структура и отличный русский.
GPT-5.6 Terra (med)	10	8	9	9.7	Верно всё: белый кроссовер, сайт, слоган; лаконичный формат.
GPT-5.6 Terra (high)	10	8	9	9.7	Белый SUV и все данные верны, очень лаконично.
GPT-5.6 Terra (low)	10	7	9	9.6	Все факты верны, белый SUV; ответ предельно краткий.
Kimi K2.6	9	9	10	9.1	Все факты верны, богатый ответ с переводом слогана; цвет серебристый допустим.
llama-scout	9	9	9	9.0	Все факты верны, цвет назван серебристым (допустимо). Аккуратная разметка.
MiniMax-M3	9	9	9	9.0	Все четыре пункта отвечены верно: ŠKODA KODIAQ, белый SUV/кроссовер, сайт и слоган Simply Clever. Небольшая неточность в написании адреса («ŠKODA-AUTO.RU» вместо SKODA-AUTO.RU) и лишние знания вне картинки, но ошибок распознавания нет.
gemma-4-31b	9	8	9	8.9	Все данные верны, цвет назван серебристым/светло-серым — допустимо.
GPT-5.5 (low)	9	8	9	8.9	Верно: ŠKODA KODIAQ, серебристый SUV, сайт и слоган. Кратко и точно.
GPT-5.5 (medium)	9	8	9	8.9	Все ответы корректны, цвет серебристо-серый (допустимо).
Nemotron-3-Nano-Omni-30B	9	8	9	8.9	Белый SUV и все данные верны; в адрес сайта лишний символ Š — незначительно.
GPT-5.6 Sol (low)	9	8	9	8.9	Корректно: марка, модель, сайт, слоган; цвет серебристый допустим.
GPT-5.6 Sol (med)	9	8	9	8.9	Все ответы верны, серебристый SUV, аккуратно оформлено.
GPT-5.6 Luna (med)	9	8	9	8.9	Все факты верны, цвет серо-серебристый — допустимо.
diffusion-gemma	8	7	6	7.7	Факты в целом верны, но цвет 'серый' и опечатки ('серего', 'Рекмируется') портят русский.
GPT-5.6 Luna (low)	7	7	8	7.1	Все надписи верны, но 'серо-зелёный' цвет — ошибка, машина белая.
GPT-5.6 Luna (high)	7	7	8	7.1	Текстовые данные верны, но цвет назван 'серо-зелёным' — ошибка, авто белое.

Большинство моделей справились; лидеры — 35b-a3b и 27b-v2 (белый цвет + полная структура + русский). Luna-high/low ошиблись с цветом ('серо-зелёный').

scene_банки_be71cccf2b — Зона ожидания в офисе банка

scene · промпт 401 симв. · Победитель: GPT-5.5 (low) · 9.0/10

▸Промпт задачи

На изображении показан интерьер зоны ресепшен/ожидания в офисе банка. Внимательно рассмотрите сцену и ответьте на вопросы: 1) Какого цвета мягкая мебель (диваны) в зоне ожидания и сколько их? 2) Что находится между диванами? 3) Из какого материала и какого оттенка выполнена стойка ресепшен справа? 4) Что видно на стеклянной входной двери/витрине в центре сцены (опишите) и какого цвета этот элемент?

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (low)	9	9	9	9.0	Все четыре пункта точны, включая подсветку ниши стойки и зеркальный зелёный логотип с надписью.
GPT-5.5 (medium)	9	9	9	9.0	Полный и точный ответ: подсвеченная ниша стойки и зеркальный зелёный логотип/надпись банка.
MiniMax-M3	8	9	9	8.2	Все четыре пункта названы верно: два красных дивана, светлый деревянный журнальный столик, светлая деревянная стойка с подсвеченными нишами, зелёный логотип с надписью на стекле. Минусы: не отмечена зеркальность надписи (логотип «Ак Барс банк» прочитан как «ds»), лишняя деталь про «коралловый» оттенок и растение «сверху» стойки.
Qwen3.6-27B-FP8	8	8	9	8.1	Все пункты корректны, логотип+надпись зелёные (чтение «Av Expo Bank» близко к оригиналу); подсветку стойки не отметил.
Qwen3.6-35B-A3B-FP8	8	8	9	8.1	Все четыре пункта верны, логотип зелёный и зеркальный, столик светлого дерева с журналами; подсветку стойки не упомянул.
Kimi K2.6	8	8	9	8.1	Детально и верно все четыре пункта, включая подсветку стойки; название банка предположено неточно.
GPT-5.6 Sol (low)	8	8	9	8.1	Кратко и точно по всем четырём пунктам; подсветку стойки не отметил.
GPT-5.6 Sol (med)	8	8	9	8.1	Точный сжатый ответ по всем пунктам; без упоминания подсветки стойки.
GPT-5.6 Terra (low)	8	8	9	8.1	Полный ответ: светлый столик с буклетами и зеркальный зелёный логотип/надпись; без подсветки стойки.
GPT-5.6 Terra (med)	8	8	9	8.1	Все четыре пункта верны, включая зеркальность зелёного логотипа/надписи; подсветку стойки не отметил.
GPT-5.6 Terra (high)	8	8	9	8.1	Все пункты верны, отмечен зеркальный зелёный логотип+надпись; подсветку стойки не назвал.
GPT-5.6 Luna (low)	7	8	9	7.3	Кратко и верно, но столик без материала и логотип без деталей (надпись/зеркальность).
GPT-5.6 Luna (med)	7	8	9	7.3	Все пункты верны, логотип+надпись зелёные; без подсветки стойки и зеркальности.
GPT-5.6 Luna (high)	7	8	9	7.3	Все пункты в целом верны, логотип+надпись зелёные, но материал столика и подсветка стойки не детализированы.
Nemotron-3-Nano-Omni-30B	7	8	8	7.2	Диваны, столик, стойка верны, логотип зелёный с текстом; без подсветки стойки и без зеркальности.
gemma-4-31b	6	8	9	6.5	Диваны, столик, стойка верны, но по стеклу назван только зелёный логотип без надписи/зеркальности.
llama-scout	6	8	8	6.4	Диваны, столик и стойка верно, логотип зелёный и зеркальный, но название банка выдумано («U-Bank»), подсветка стойки не отмечена.
diffusion-gemma	5	7	6	5.3	Первые три пункта верны, но логотип назван «APP», без надписи/зеркальности; есть опечатки («светного»).

Обе модели gpt-5.5 дали самый полный ответ, единственные отметившие и подсветку ниши стойки, и зеркальный зелёный логотип с надписью.

scene_маркетинг_5ea48ca938 — Реклама на фасаде здания

scene · промпт 373 симв. · Победитель: gemma-4-31b · 9.9/10

▸Промпт задачи

Рассмотрите рекламный баннер, размещённый на фасаде здания. Ответьте на вопросы: 1) Какой бренд рекламируется и какой у него англоязычный слоган? 2) Какой русскоязычный рекламный текст (короткий слоган) написан на баннере? 3) Какая продукция продвигается этой рекламой (что изображено справа на баннере, помимо лица человека)? Опишите также, кто изображён слева на баннере.

Модель	C	F	Ru	Σ	Комментарий судьи
gemma-4-31b	10	9	10	9.9	Точный и лаконичный ответ, все факты верны, чистый русский. Анализ минимален, но без ошибок.
GPT-5.5 (low)	10	9	10	9.9	Все факты точны, корректно описана аудиотехника и портрет девушки. Ясно и грамотно.
GPT-5.5 (medium)	10	9	10	9.9	Полный точный ответ, верно описаны музыкальный центр и профиль женщины. Чисто и грамотно.
GPT-5.6 Sol (low)	10	9	10	9.9	Точный ответ, верно описаны стереосистема с колонками и профиль женщины. Ясно и грамотно.
GPT-5.6 Sol (med)	10	9	10	9.9	Все факты верны, хорошее описание аудиосистемы и портрета крупным планом. Чисто.
GPT-5.6 Terra (low)	10	9	10	9.9	Все факты верны, аккуратное описание аудиотехники и портрета. Ясно и грамотно.
GPT-5.6 Terra (med)	10	9	10	9.9	Точный ответ, верно описаны стереокомпоненты и лицо девушки крупным планом. Чисто.
GPT-5.6 Terra (high)	10	9	10	9.9	Точный полный ответ, верно описаны стереосистема и профиль женщины. Грамотно и структурно.
GPT-5.6 Luna (low)	10	9	10	9.9	Точный краткий ответ, все ключевые факты названы верно, чистый русский.
GPT-5.6 Luna (med)	10	8	10	9.8	Все факты верны, лаконично. Анализ минимален, но безошибочен.
GPT-5.6 Luna (high)	10	8	10	9.8	Все факты верны, лаконично и грамотно. Описание сжатое, без лишних деталей.
MiniMax-M3	10	9	8	9.7	Все проверяемые факты верны: Panasonic, 'ideas for life', «Твой звук», музыкальный центр справа и портрет молодой девушки слева; добавлен уместный вывод о смысле рекламы без выдумок. Минусы — лёгкая избыточность и одна неловкая конструкция («воспроизводимым устройством звуком»).
Kimi K2.6	9	10	10	9.2	Самый детальный и структурированный ответ, все факты верны, богатое описание. Напольные колонки — небольшое допущение, но правдоподобное.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Верно назвал все факты, хорошо описал приоткрытый рот девушки. Догадки про усилитель/ресивер уместны и не искажают суть.
llama-scout	9	8	8	8.8	Все факты верны: Panasonic, ideas for life, Твой звук, аудиосистема, женщина. Странное LaTeX-оформление ($Panasonic$) портит вид, а справа скорее музыкальный центр, чем просто колонка.
Nemotron-3-Nano-Omni-30B	9	8	8	8.8	Факты верны, детальное описание женщины (серьги, открытый рот). Устройство сведено к динамику — упрощение, справа скорее музыкальный центр.
diffusion-gemma	9	8	6	8.6	Факты верны, но русский с опечатками (Рекламимируется, написаноно, акусистема), что снижает качество текста.
Qwen3.6-27B-FP8	8	9	9	8.2	Все ключевые факты верны, детальное описание позы. Предположение про автомобильную магнитолу неточно — на баннере крупная стереосистема.

Почти все модели верно распознали все факты; kimi-k2.6 дал самый полный, структурированный и грамотный ответ. Слабее всех diffusion-gemma из-за опечаток в русском.

scene_маркетинг_2046aa030e — Витрина магазина UTERQÜE

scene · промпт 377 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 8.2/10

▸Промпт задачи

Перед вами фотография оформленной витрины магазина (визуальный мерчандайзинг). Внимательно рассмотрите её и ответьте: 1) Какое название бренда написано на вывеске над витриной? 2) Сколько манекенов выставлено в витрине? 3) Опишите, что находится на стеллаже в правой части витрины (какие товары и аксессуары там расставлены). Отвечайте строго по тому, что видно на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Полное и точное описание стеллажа (сумка с платком, ожерелье, клатч, рамка, две пары туфель). Мелкая неточность в позиции третьего манекена (назвал его центральным).
MiniMax-M3	8	9	9	8.2	Бренд UTERQÜE и три манекена названы верно, описание манекенов точное; в стеллаже неточности: синий клатч/рамка на нижних полках описаны как розовая коробочка, а туфли отнесены к полке вместо пола под стеллажом.
Qwen3.6-27B-FP8	8	8	9	8.1	Бренд, 3 манекена и содержимое стеллажа описаны верно и аккуратно, с разумными оговорками.
GPT-5.5 (low)	8	8	9	8.1	Бренд, 3 манекена и стеллаж с сумкой, колье, клатчами и туфлями описаны верно.
GPT-5.5 (medium)	8	8	9	8.1	Точный ответ по бренду, числу манекенов и содержимому стеллажа с туфлями внизу.
Kimi K2.6	8	8	9	8.1	Бренд, 3 манекена и подробный стеллаж (сумка, колье, клатчи, две пары туфель-лодочек) — точно.
GPT-5.6 Sol (low)	8	8	9	8.1	Бренд с умляутом, 3 манекена, детальное послойное описание стеллажа с обувью — верно.
GPT-5.6 Sol (med)	8	8	9	8.1	Точный ответ, стеллаж описан с сумками, колье и двумя парами туфель.
Nemotron-3-Nano-Omni-30B	8	8	8	8.0	Верно всё главное, детальное описание полок и туфель; мелкие вольности в цветах предметов.
GPT-5.6 Terra (low)	8	8	8	8.0	Бренд, манекены и содержимое стеллажа с двумя парами туфель описаны верно.
GPT-5.6 Terra (med)	8	7	8	7.9	Верно бренд и число манекенов, стеллаж описан корректно с сумкой, колье и обувью.
GPT-5.6 Terra (high)	8	7	8	7.9	Всё главное верно; голубая сумка, колье, аксессуары и обувь названы корректно.
gemma-4-31b	7	8	8	7.2	Бренд и число манекенов верно, стеллаж описан в целом правильно, но упустил вторую сумку и назвал украшение круглым/браслетом.
GPT-5.6 Luna (low)	7	6	8	7.0	Бренд верно, но выдумал балетки; описание стеллажа беглое.
GPT-5.6 Luna (med)	7	6	8	7.0	Бренд без умляута (UTERQUE), верно 3 манекена, стеллаж описан кратко но по существу.
GPT-5.6 Luna (high)	7	6	8	7.0	Бренд без умляута (UTERQUE), очень краткое описание стеллажа, хотя суть верна.
llama-scout	6	8	8	6.4	Бренд и 3 манекена верно, но сумку назвал белой, выдумал серьги и упустил вторую сумку/клатч на нижних полках.
diffusion-gemma	4	7	6	4.5	Бренд искажён (uterqë, пропущены буквы), названа лишь одна пара туфель; манекены верно, но описание бедное и с опечатками.

Большинство моделей точны; 35b-a3b дал самое полное и верное описание стеллажа (включая платок на ручке сумки и две пары туфель). diffusion-gemma слабейший из-за искажённого названия бренда.

scene_маркетинг_c6c50eb684 — Анализ интерьера бутика

scene · промпт 401 симв. · Победитель: Kimi K2.6 · 9.8/10

▸Промпт задачи

Перед вами фотография торгового зала магазина. Опишите, что это за тип точки продаж и какой ассортимент в ней представлен. Затем ответьте на конкретный вопрос: какие категории товаров выложены на полках вдоль ПРАВОЙ стены зала, и какие изделия висят на вешалках вдоль ЛЕВОЙ стены? Также укажите, какой заметный декоративный/функциональный элемент крупной овальной формы расположен в правой части зала.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	9	9	9.8	Самый полный ответ: сумки с цветами и фасонами справа, одежда с деталями слева, обувь, овальное зеркало.
GPT-5.5 (medium)	9	9	9	9.0	Чёткая структура, верное распределение товаров и овальное зеркало в золотой раме.
Qwen3.6-35B-A3B-FP8	9	8	9	8.9	Верно: сумки справа, одежда слева, зеркало в золотой раме; отмечены цвета, зелёный пиджак, синяя кофта.
gemma-4-31b	9	8	9	8.9	Кратко и точно: сумки справа, одежда слева, овальное зеркало в золотой раме.
GPT-5.6 Sol (low)	9	8	9	8.9	Верно и упомянута обувь на правых полках, что соответствует эталону.
GPT-5.6 Sol (med)	9	8	9	8.9	Правильно распределены сумки и обувь справа, одежда слева, овальное зеркало.
diffusion-gemma	9	8	7	8.7	Содержательно верно, но есть опечатки ('золостой', 'тоу'), снижающие качество русского.
Qwen3.6-27B-FP8	8	8	9	8.1	Правильно распределил ассортимент и назвал напольное овальное зеркало, хороший разбор деталей.
GPT-5.6 Terra (low)	8	8	9	8.1	Корректный ответ с ростовым овальным зеркалом, без обуви и цветовых деталей.
GPT-5.6 Terra (med)	8	8	9	8.1	Верно распределены сумки и одежда, назван овальный зеркальный элемент в золотой раме.
GPT-5.6 Terra (high)	8	8	9	8.1	Верно: сумки справа, одежда слева, овальный напольный зеркальный элемент.
GPT-5.6 Luna (low)	8	8	9	8.1	Всё по делу и верно, но очень сжато, без деталей и цветов.
GPT-5.6 Luna (med)	8	8	9	8.1	Корректно распределены сумки и одежда, названо овальное зеркало в золотой раме.
GPT-5.6 Luna (high)	8	8	9	8.1	Верно и лаконично: сумки справа, одежда слева, овальное напольное зеркало.
llama-scout	8	8	8	8.0	Стороны и овальный элемент определены верно, но описание общее, без цветов и деталей, обувь не упомянута.
GPT-5.5 (low)	8	7	9	8.0	Всё верно, упомянута возможная обувь, но структура слабее и без цветовых деталей.
Nemotron-3-Nano-Omni-30B	8	7	8	7.9	Стороны и овальное зеркало определены верно, но ответ очень краткий, без деталей.
MiniMax-M3	7	9	9	7.4	Все три ключевых факта верны: сумки на полках справа, одежда на вешалках слева, крупное золотистое овальное зеркало справа; ответ хорошо структурирован, русский отличный. Минусы: центральный остров назван мраморным/травертиновым, хотя он из массива светлого дерева, жакет ошибочно описан как твидовый/клетчатый, добавлены неподтверждённые украшения/часы в витрине и не упомянуты обувь на нижних полках справа и синий вязаный предмет.

Почти все модели верно определили бутик, сумки справа, одежду слева и золотое овальное зеркало. Kimi-k2.6 дал наиболее полный и точный ответ с цветами, фасонами и упоминанием обуви.

scene_маркетинг_d7707b8aac — Витрина бутика Versace

scene · промпт 414 симв. · Победитель: MiniMax-M3 · 9.1/10

▸Промпт задачи

Перед тобой фотография витрины магазина одежды. Внимательно рассмотри изображение и ответь на вопросы: 1) Какому бренду принадлежит витрина (название написано на стекле и/или узнаётся по логотипу)? 2) Сколько манекенов представлено в витрине? 3) Какого цвета большинство сумок, выставленных на витрине, и как этот цвет соотносится с одеждой манекенов? Опиши, какой акцентный цвет используется в оформлении витрины.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	9	10	9.1	Бренд Versace, логотип Медузы, 4 манекена и красный акцент определены верно, описание расположения точное. Небольшая вольность — упоминание красной подсветки в фоновом декоре, которой на фото нет.
Qwen3.6-27B-FP8	9	9	9	9.0	Всё верно: бренд, 4 манекена, красные сумки как акцент. Чётко и лаконично.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Versace, 4 манекена с точным описанием расположения, красный акцент и контраст с тёмными тонами. Полный и аккуратный ответ.
gemma-4-31b	9	9	9	9.0	Versace, 4 манекена, красный доминирующий акцент. Точно и структурно.
Nemotron-3-Nano-Omni-30B	9	9	9	9.0	Versace, 4 манекена, красный акцент с точной привязкой к предметам. Развёрнуто и верно.
Kimi K2.6	9	9	9	9.0	Versace, 4 манекена, красный акцент и контраст. Развёрнутый анализ, мелкая опечатка "алыго".
GPT-5.6 Sol (low)	9	9	9	9.0	Versace, четыре манекена, красный акцент с перекличкой в одежде. Точно.
GPT-5.6 Sol (med)	9	9	9	9.0	Versace, четыре манекена, красный акцент. Аккуратно и верно.
llama-scout	9	8	9	8.9	Верно назван Versace, 4 манекена, красный акцент. Слегка избыточно, повтор вопроса про акцент, но всё точно.
GPT-5.6 Terra (low)	9	8	9	8.9	Versace, четыре манекена, красный акцент с деталями одежды. Верно.
GPT-5.6 Terra (med)	9	8	9	8.9	Versace, 4 манекена, красный акцент. Верно, но кратко.
GPT-5.6 Luna (low)	9	8	9	8.9	Versace, 4 манекена, красный акцент. Верно и компактно.
GPT-5.6 Luna (med)	9	8	9	8.9	Versace, 4 манекена, красный акцент. Верно и лаконично.
GPT-5.6 Luna (high)	9	8	9	8.9	Всё верно, но кратко: бренд, 4 манекена, красный акцент без деталей.
diffusion-gemma	9	8	8	8.8	Всё верно по фактам, но опечатка ("цве") и "боль" слегка снижают качество текста.
GPT-5.6 Terra (high)	9	7	9	8.8	Всё верно, но очень сжато, минимум деталей по манекенам.
GPT-5.5 (low)	4	8	9	4.9	Бренд и красный акцент верны, но ошибочно 5 манекенов вместо 4 — грубая ошибка в подсчёте.
GPT-5.5 (medium)	4	8	9	4.9	Та же ошибка: 5 манекенов вместо 4. Бренд и цвет верны.

Большинство моделей ответили верно (Versace, 4 манекена, красный акцент). 35b-a3b, nemotron-omni и kimi лидируют по полноте; gpt-5.5-low/medium ошиблись, насчитав 5 манекенов.

scene_маркетинг_ebafbc86f3 — Анализ торговой витрины магазина одежды

scene · промпт 443 симв. · Победитель: Qwen3.6-27B-FP8 · 9.0/10

▸Промпт задачи

На изображении показан интерьер торгового зала магазина одежды (два кадра, расположенные один над другим). Опишите сцену и ответьте на вопросы: 1) Из какого материала и какого цвета сделаны основные стеллажи и вешалки для одежды? 2) В какой цветовой гамме представлена одежда на вешалках? 3) Что, помимо одежды, выставлено на полках стеллажей? Какой это товар и какого он цвета? 4) Какое напольное и потолочное освещение/покрытие видно в зале?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	9	9	9.0	Правильно определены чёрный металл, нейтральная палитра и женские туфли светлых тонов; аккуратная структура ответа.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Точно распознаны чёрный металл, нейтральная гамма и обувь; детальное описание геометрического потолка и мраморного пола.
gemma-4-31b	9	9	9	9.0	Верно назван чёрный металл, нейтральная гамма и обувь (кремовые лодочки), пол и потолок описаны точно.
llama-scout	9	8	9	8.9	Верно назван чёрный металл, светло-серая гамма и обувь (бежевые туфли), потолок и пол описаны корректно.
GPT-5.5 (low)	9	8	9	8.9	Чёрный металл, нейтральная гамма и обувь распознаны верно; пол и геометрический потолок описаны корректно.
GPT-5.6 Terra (low)	9	8	9	8.9	Верно назван чёрный металл, нейтральная гамма и светлая обувь на полках.
GPT-5.6 Terra (med)	9	8	9	8.9	Точно определены чёрный металл, светлая нейтральная гамма и бежевые туфли, пол и потолок верны.
GPT-5.6 Terra (high)	9	8	9	8.9	Чёрный металл, нейтральная гамма и кремовые туфли распознаны верно; пол и потолок описаны точно.
GPT-5.6 Luna (low)	9	8	9	8.9	Верно определены чёрный металл, нейтральная гамма и обувь на нижних полках.
GPT-5.6 Luna (med)	9	8	9	8.9	Точный лаконичный ответ: чёрный металл, нейтральная палитра, светлая обувь, геометрический потолок.
GPT-5.6 Luna (high)	9	8	9	8.9	Кратко и точно: чёрный металл, нейтральная гамма, светлая обувь, мраморный пол и геометрический потолок.
MiniMax-M3	8	9	9	8.2	Верно назван чёрный металл каркасов и нейтральная серо-бежевая гамма одежды, обувь распознана, но с лишним хеджем про «сумки», которых на полках нет. Пол и потолок описаны точно.
Nemotron-3-Nano-Omni-30B	9	8	1	8.1	Содержание верное (чёрный металл, серая гамма, туфли), но ответ полностью на английском языке.
GPT-5.5 (medium)	6	8	9	6.5	Основное верно, но добавлены несуществующие сумки/аксессуары помимо обуви.
Kimi K2.6	6	8	9	6.5	Чёрный металл и гамма верны, но ошибочно указаны сумки на полках наряду с обувью.
GPT-5.6 Sol (low)	6	8	9	6.5	Обувь распознана верно, но добавлены несуществующие сумки помимо неё.
GPT-5.6 Sol (med)	6	8	9	6.5	Верно про металл и гамму, но выдуманы сумки на полках наряду с обувью.
diffusion-gemma	5	8	8	5.6	Чёрный металл и гамма верны, но выдуманы сумки — на полках только обувь, что снижает точность.

Лучшие ответы (27b-v2, 35b-a3b, gemma-4-31b) точно распознали все ключевые факты. Ряд моделей ошибочно добавил сумки, а nemotron ответил на английском.

scene_нефтегаз_13009e9eff — Анализ сцены НПЗ на закате

scene · промпт 467 симв. · Победитель: MiniMax-M3 · 9.1/10

▸Промпт задачи

Перед вами фотография промышленного объекта нефтегазовой отрасли. Опишите, что это за объект и в какое время суток сделан снимок. Затем ответьте на конкретные вопросы: (1) Какого цвета трубопроводы, образующие разветвлённую сеть на переднем плане справа? (2) Сколько на снимке высоких труб (дымовых стволов) с характерной красно-белой полосатой окраской? (3) Какое освещение преобладает на территории установки — дневной свет или искусственная подсветка оборудования?

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	9	10	9.1	Все три контрольных пункта верны: синие (голубые) трубопроводы справа, две красно-белые трубы, преобладание искусственной подсветки в сумерках; тип объекта (НПЗ/газоперерабатывающий комплекс) определён правильно. Небольшой минус за нерешительность 'рассвет или закат' и лишнюю оговорку про белые участки труб.
gemma-4-31b	9	9	9	9.0	Всё верно: синий цвет труб, две красно-белые трубы, искусственная подсветка; чётко и лаконично.
Kimi K2.6	9	9	9	9.0	Все ответы верны (голубой цвет, две трубы, искусственная подсветка) с наиболее полным и точным обоснованием.
GPT-5.5 (medium)	9	8	9	8.9	Все три ответа верны: синие трубы, две красно-белые трубы, искусственная подсветка.
GPT-5.6 Luna (med)	9	8	9	8.9	Все три ответа верны: синие трубы, две красно-белые трубы, искусственная подсветка.
GPT-5.6 Luna (high)	9	8	9	8.9	Кратко и полностью верно: голубые трубы, две красно-белые трубы, искусственная подсветка.
Qwen3.6-27B-FP8	6	8	9	6.5	Две трубы верно, но цвет назван белым; освещение подано как «смешанное», что мягче эталонной искусственной подсветки.
GPT-5.6 Luna (low)	6	8	9	6.5	Цвет (синий) и две трубы верны, но освещение ошибочно названо преимущественно естественным сумеречным.
diffusion-gemma	6	8	7	6.3	Две трубы и искусственное освещение верны, но цвет назван белым (правильно синий); опечатки «газо газохимический», «проветка».
Qwen3.6-35B-A3B-FP8	5	8	9	5.7	Труб две — верно, но цвет назван серебристо-белым, а освещение ошибочно объявлено преимущественно естественным (по эталону — искусственная подсветка).
GPT-5.5 (low)	5	8	9	5.7	Цвет (голубой) и освещение верны, но труб названо ТРИ вместо двух — грубая ошибка счёта.
GPT-5.6 Sol (low)	5	8	9	5.7	Две трубы верно, но цвет размыт до бело-голубого и освещение объявлено преимущественно естественным (ошибка).
GPT-5.6 Sol (med)	5	8	9	5.7	Две трубы верно, но основной цвет назван белым и освещение ошибочно преимущественно естественным.
GPT-5.6 Terra (low)	5	8	9	5.7	Две трубы верно, но цвет назван белым и освещение ошибочно преимущественно естественным.
GPT-5.6 Terra (med)	5	8	9	5.7	Две трубы верно, но основной цвет труб назван белым и освещение ошибочно объявлено преимущественно дневным.
llama-scout	4	7	8	4.7	Тип объекта и сумерки верны, но труб названо ТРИ (правильно две) и цвет размыт до бело-голубого. Освещение верно.
GPT-5.6 Terra (high)	3	8	9	4.1	Две ошибки: труб названо ТРИ вместо двух и освещение — преимущественно дневное вместо искусственного; цвет тоже смещён к белому.
Nemotron-3-Nano-Omni-30B	0	4	1	0.5	Полная галлюцинация: назвал объект call-центром по взысканию долгов; труб «4»; ответ на английском, а не на русском.

Все ключевые факты верны (синий цвет, две трубы, искусственная подсветка) с наиболее полным обоснованием; на равных gemma-4-31b, gpt-5.5-medium, luna-high/medium. Многие модели ошиблись в цвете (белый) или в характере освещения (естественное), а nemotron-omni полностью галлюцинировал.

scene_нефтегаз_703a327148 — Надпись на резервуарах нефтебазы

scene · промпт 472 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На снимке — аэрофотосъёмка объекта нефтегазовой отрасли с группами больших цилиндрических резервуаров (на переднем плане ведётся строительство). Внимательно рассмотри крупные резервуары справа с жёлто-оранжевой полосой по корпусу. 1) Какое предупреждающее слово крупными буквами написано на корпусе этих резервуаров? 2) Что это слово означает и о каком характере хранимого продукта оно говорит? 3) Назови хотя бы два номера, нанесённых на отдельные резервуары этой группы.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью верно: слово, смысл (пожароопасность/нефтепродукты), номера 2,3,4 именно правой группы.
GPT-5.5 (low)	10	9	10	9.9	Верное слово, смысл и номера 2,3,4; чётко и по делу.
GPT-5.5 (medium)	10	9	10	9.9	Слово, смысл и номера 2,3,4 верны, ответ лаконичен и точен.
Kimi K2.6	10	9	10	9.9	Верно всё: ОГНЕОПАСНО, пожарно-взрывная опасность, номера 2,3,4; аккуратно отделены номера левой группы.
GPT-5.6 Sol (low)	10	9	10	9.9	Верное слово, смысл и номера 2,3,4; лаконично и точно.
GPT-5.6 Sol (med)	10	9	10	9.9	Полностью верно, плюс упоминание взрывоопасности паров — наиболее содержательный анализ.
GPT-5.6 Terra (low)	10	9	10	9.9	Верно: ОГНЕОПАСНО, пожароопасность, номера 2,3,4.
GPT-5.6 Terra (med)	10	9	10	9.9	Слово, смысл и номера 2,3,4 переданы корректно.
GPT-5.6 Terra (high)	10	9	10	9.9	Слово, смысл и номера 2,3,4 верны.
GPT-5.6 Luna (low)	10	9	10	9.9	Верно: ОГНЕОПАСНО, пожароопасность, номера 2,3,4.
GPT-5.6 Luna (med)	10	9	10	9.9	Слово, смысл и номера 2,3,4 переданы корректно.
GPT-5.6 Luna (high)	10	9	10	9.9	Слово, смысл и номера 2,3,4 верны, ответ ясный.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	ОГНЕОПАСНО, верный смысл, корректные номера 2,3,4 правой группы, 15/16 отнесены к соседней группе.
diffusion-gemma	9	8	7	8.7	Верно ОГНЕОПАСНО, смысл и номера 2,3,4, но опечатка «легвоспламеняющимся» снижает качество русского.
llama-scout	7	8	9	7.3	Слово и смысл верны, номера 2,3,4 названы, но в примере выбраны 2 и 15, а 15 относится к левой, а не к правой группе.
gemma-4-31b	3	8	9	4.1	Слово и смысл верны, но для правой группы выдуманы номера 21,22, которых там нет (реально 2,3,4).
Nemotron-3-Nano-Omni-30B	2	3	0	1.9	Слово прочитано неверно («ЯР» — это логотип, а не надпись ОГНЕОПАСНО); ответ на английском, только номера 2,3,4 верны.
MiniMax-M3	0	7	8	1.5	Полная галлюцинация: вместо реального слова «ОГНЕОПАСНО» модель придумала «ЯДОВИТО» и выдумала номера резервуаров Р-18 и Р-20, которых на снимке нет. Ответ хорошо оформлен и написан грамотным русским, но фактически неверен по всем трём пунктам.

Большинство моделей ответили безупречно; sol-medium и kimi дали наиболее содержательный анализ. Провалились gemma-4-31b (выдумала номера 21,22) и nemotron-omni (прочитала логотип вместо надписи, ответ на английском).

scene_нефтегаз_f0aa42b544 — Анализ сцены НПЗ: цвета конструкций и объекты

scene · промпт 505 симв. · Победитель: Qwen3.6-27B-FP8 · 9.0/10

▸Промпт задачи

На фотографии показан промышленный объект нефтегазовой отрасли. Опиши, что изображено на сцене, и ответь на конкретные вопросы: 1) В какой цвет окрашены основные металлоконструкции (эстакады, опоры, фермы, лестницы)? 2) Какого цвета высокая вертикальная колонна (ректификационная башня) в правой части кадра и есть ли на ней лестницы/площадки? 3) Опиши дымовую трубу справа — какой у неё рисунок окраски? 4) Что видно на заднем плане слева у горизонта? 5) Какая погода и что на переднем плане внизу кадра?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	9	9	9.0	Полный и точный ответ: верно всё, включая гиперболическую градирню и растительность на заднем плане.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Все ключевые факты верны: синий, серебристая колонна с синими лестницами, бело-красная труба, градирня, теплообменники. Кратко и точно.
gemma-4-31b	9	9	9	9.0	Верно определены синие конструкции, серебристая колонна с лестницами, бело-красная труба и градирня.
GPT-5.5 (medium)	9	9	9	9.0	Подробный и точный ответ по всем пунктам, верно описаны труба, колонна и передний план.
Kimi K2.6	9	9	9	9.0	Развёрнутый и точный ответ: синий, серебристая колонна с синими лестницами, бело-красная труба, градирня, оребрённые теплообменники.
GPT-5.6 Sol (low)	9	9	9	9.0	Полный точный ответ: синие конструкции, серебристая колонна с лестницами, бело-красная труба, градирня, воздушные теплообменники.
GPT-5.6 Sol (med)	9	9	9	9.0	Верно всё, включая градирню и ребристые секции оборудования на переднем плане.
GPT-5.6 Luna (low)	9	9	9	9.0	Верно всё по ключевым признакам; на Q4 упомянул сооружения, без явной градирни.
GPT-5.6 Luna (high)	9	9	9	9.0	Все факты верны, включая градирню и ребристые теплообменники на переднем плане.
GPT-5.5 (low)	9	8	9	8.9	Все факты верны, включая серый grating на переднем плане и градирню; кратко и точно.
GPT-5.6 Luna (med)	9	8	9	8.9	Все факты верны, включая градирни; чётко и структурировано.
llama-scout	8	9	9	8.2	Синий, серебристая колонна с лестницами и красно-белая труба верно; на Q4 не упомянул градирни, только общие сооружения.
MiniMax-M3	8	9	9	8.2	Все ключевые факты верны: синие металлоконструкции, серебристо-серая колонна с винтовой лестницей и площадками, красно-белая полосатая труба, градирни и зелень у горизонта, ясная погода; передний план корректно опознан как секции АВО. Небольшие домыслы снижают точность: 'жилой/городской массив' и 'слегка холмистая линия горизонта', перистые облака, а также непроверяемая привязка к российским НПЗ и Центральной России.
GPT-5.6 Terra (low)	8	9	9	8.2	Верно синий, серебристая колонна, бело-красная труба; Q4 без градирни.
GPT-5.6 Terra (med)	8	9	9	8.2	Все основные признаки верны; на Q4 упомянул общие сооружения без явной градирни.
GPT-5.6 Terra (high)	8	9	9	8.2	Ключевые факты верны, но на Q4 не назвал градирню, ограничившись общими сооружениями.
diffusion-gemma	8	8	6	7.8	Факты в целом верны, но есть заметные опечатки и искажённые слова ('себристый','личелическая'), портящие русский.
Nemotron-3-Nano-Omni-30B	8	6	1	7.1	Факты в основном верны, но ответ на английском языке и предельно краток — требование русского не выполнено.

Большинство моделей ответили верно; 27b-v2 наиболее полон — точно указал все факты плюс гиперболическую градирню и растительность на заднем плане.

scene_общее_0cabdb4191 — Сцена в морском контейнерном порту

scene · промпт 340 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

Внимательно рассмотри изображение. Это сцена в морском грузовом порту. Ответь на вопросы: 1) Какого цвета крупные портовые краны (козловые/портальные краны), доминирующие в кадре? 2) Что именно перегружают эти краны — что за объекты сложены штабелями слева? 3) Что находится в правой части кадра и какое время суток показано (по освещению)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Точно всё: красные краны, штабели контейнеров, акватория с судами, золотой час. Отлично.
gemma-4-31b	10	9	10	9.9	Все три пункта верны и ясно изложены, упомянуты длинные тени и золотистые тона.
GPT-5.5 (medium)	10	9	10	9.9	Полный точный ответ с деталями цветов контейнеров и дальних кранов.
Kimi K2.6	10	9	10	9.9	Самый детальный и точный: цвета контейнеров, набережная, суда, обоснование заката. Отлично.
Qwen3.6-27B-FP8	10	9	8	9.7	Верно распознано всё, хороший анализ освещения; опечатка 'тепленному' и 'солнечный блик' слегка снижают качество.
GPT-5.5 (low)	10	8	9	9.7	Точно и лаконично: красные краны, контейнеры, вода с судами и кранами, закат/рассвет.
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Верно и кратко: красные краны, контейнеры, вода с кораблями, закат.
GPT-5.6 Sol (low)	10	8	9	9.7	Верно, добавлено обоснование по тёплому низкому свету.
GPT-5.6 Sol (med)	10	8	9	9.7	Точно, упомянут водный канал и обоснование заката.
GPT-5.6 Terra (low)	10	8	9	9.7	Точно и лаконично, все пункты покрыты.
GPT-5.6 Terra (med)	10	8	9	9.7	Верно, но самый короткий из terra, минимум деталей по контейнерам.
GPT-5.6 Terra (high)	10	8	9	9.7	Верно, краткое обоснование закатного освещения.
GPT-5.6 Luna (low)	10	8	9	9.7	Верно и кратко, анализ освещения минимален.
GPT-5.6 Luna (med)	10	8	9	9.7	Точно, но сжато, без развёрнутого обоснования.
GPT-5.6 Luna (high)	10	8	9	9.7	Всё верно, но очень сжато, минимум анализа освещения.
MiniMax-M3	9	9	10	9.1	Все три пункта верны: ярко-красные STS-краны, штабели разноцветных морских контейнеров слева, акватория с судами и дальними кранами справа, закатное контровое освещение. Ответ развёрнутый, структурный, без галлюцинаций; минус лишь за небольшую избыточность и домыслы про ''любимое время для фотографий''.
llama-scout	9	9	9	9.0	Верно: красные краны, контейнеры слева, суда справа, закат/утро. Полный и структурированный ответ.
diffusion-gemma	9	8	6	8.6	Суть верна, но заметные опечатки ('сновываясь', 'кобли') портят русский.

Почти все модели верно распознали красные краны, штабели контейнеров, воду с судами и закатное освещение. Kimi-k2.6 дал наиболее детальный и обоснованный ответ.

scene_общее_db7c675949 — Контейнерный порт: судно и краны

scene · промпт 220 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.0/10

▸Промпт задачи

Рассмотри изображение. Что это за объект (тип сцены) и какое крупное транспортное средство пришвартовано у причала справа? Также укажи, какого цвета корпус этого судна и какого цвета крупные портовые краны вдоль причала.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Точно: нижняя часть красно-коричневая, носовая голубая — правильное размещение, краны светло-голубые. Полный корректный ответ.
MiniMax-M3	9	9	9	9.0	Верно определены контейнерный терминал, контейнеровоз у причала, синий корпус с красной частью и синие STS-краны; замечены надписи APM TERMINALS и NOELL. Мелкие неточности: путаная формулировка про подводную/надводную часть и называние причальных перегружателей 'козловыми'.
diffusion-gemma	9	8	7	8.7	Правильно: голубой верх, красная ватерлиния снизу, голубые краны. Мелкая грамматическая ошибка «большое контейнеровоз судно».
llama-scout	8	8	9	8.1	Верно: контейнерный терминал, контейнеровоз, синий/красный корпус, голубые краны. Без точного размещения красного, но ошибок нет.
GPT-5.5 (low)	8	8	9	8.1	Корпус в основном голубой с красной нижней частью — верно, краны светло-голубые. Хороший ответ.
GPT-5.6 Luna (low)	8	8	9	8.1	Голубой корпус, светло-голубые краны, контейнеровоз — всё верно. Красное не упомянуто, но ошибок нет.
GPT-5.6 Luna (med)	8	8	9	8.1	Корпус преимущественно синий, краны светло-голубые — верно. Без деталей о красном, ошибок нет.
Nemotron-3-Nano-Omni-30B	8	6	8	7.8	Кратко и верно: терминал APM, контейнеровоз, голубой корпус и голубые краны. Красное не упомянуто, анализа нет.
Kimi K2.6	6	9	9	6.6	Носовая часть голубая — верно, но верх борта назвал красным (красное снизу у ватерлинии). Тип и краны верны.
GPT-5.5 (medium)	6	8	9	6.5	Основное распознано верно, но красную часть отнёс к верху борта/палубе — размещение неточное (красное снизу).
GPT-5.6 Sol (low)	6	8	9	6.5	Корпус голубой и краны светло-голубые верны, но тёмно-красную часть отнёс к верху — красное снизу у ватерлинии.
GPT-5.6 Sol (med)	6	8	9	6.5	Голубой корпус и краны верны, но бордово-красную часть указал сверху — размещение неточное.
GPT-5.6 Terra (low)	6	8	9	6.5	Верны тип, голубой корпус и светло-голубые краны, но красная часть указана сверху — красное снизу.
GPT-5.6 Terra (med)	6	8	9	6.5	Всё основное верно, но красную часть корпуса отнёс к верху — размещение неточное.
GPT-5.6 Terra (high)	6	8	9	6.5	Контейнеровоз, голубой корпус и голубые краны верны, но красное отнесено к верхней части — неточно.
GPT-5.6 Luna (high)	6	8	9	6.5	Синий корпус и светло-голубые краны верны, но красную часть отнёс к верху борта — размещение неточное.
Qwen3.6-27B-FP8	4	9	9	5.0	Инвертировал цвета корпуса: назвал низ синим, верх носа красным — это неверно (наоборот). Тип и краны верны.
gemma-4-31b	4	9	9	5.0	Ошибка: назвал основную часть бортов красной, хотя корпус преимущественно синий. Верно распознал APM Terminals и голубые краны.

35b-a3b дал полный точный ответ с правильным размещением цветов корпуса (низ красный, нос голубой) и краны; diffusion-gemma тоже точна, но с грамматической ошибкой. Многие GPT-5.6 ошибочно отнесли красное к верху борта.

scene_общее_f94fc1b97d — Контейнерный терминал порта с воздуха

scene · промпт 266 симв. · Победитель: Qwen3.6-27B-FP8 · 9.0/10

▸Промпт задачи

Перед вами аэрофотоснимок (вид с дрона). Кратко опишите, что это за объект и чем здесь занимаются. Затем ответьте на конкретный вопрос: какие подъёмные/перегрузочные машины видны среди и вокруг рядов с грузом, и что находится в верхней части снимка (за территорией)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	9	9	9.0	Наиболее полный и точный: RTG над рядами, портовые краны у воды справа, погрузчики, вода с судами и берег с вышкой/маяком.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Точно: RTG-краны над штабелями, акватория с судами и дальний берег с инфраструктурой. Хорошая структура.
Kimi K2.6	9	9	9	9.0	Точный и подробный: гантри-краны, акватория, пирсы, суда, берег с башней/маяком. Отлично структурировано.
GPT-5.6 Sol (med)	9	9	9	9.0	Верно: козловые краны, тягачи/погрузчики, водоём с островами, суда и портовые сооружения.
GPT-5.6 Terra (low)	9	9	9	9.0	Верно: рельсовые козловые краны, погрузочная техника, портовые сооружения и акватория с судами.
GPT-5.6 Terra (med)	9	9	9	9.0	Точно: козловые перегружатели на колёсном ходу над штабелями, акватория порта, суда, острова и берег.
GPT-5.6 Terra (high)	9	9	9	9.0	Точно и полно: портальные перегружатели над штабелями, широкая акватория с судами и островами, береговая инфраструктура.
GPT-5.6 Luna (med)	9	9	9	9.0	Точно: жёлтые козловые краны, перегружатели, причалы и акватория с судами, остров/берег.
GPT-5.6 Luna (high)	9	9	9	9.0	Верно: козловые краны, перегрузчики по краям, акватория с судами и зелёный остров. Кратко и точно.
MiniMax-M3	8	9	9	8.2	Верно опознан контейнерный терминал, жёлтые козловые краны (RTG) над штабелями, акватория с судами и портовой застройкой наверху. Небольшие минусы: суда описаны лишь как 'угадываются на горизонте', хотя видны в воде, и добавлены неподтверждённые догадки (ричстакер, судоремонтные мастерские, таможенные зоны).
llama-scout	8	8	9	8.1	Верно опознан контейнерный терминал, жёлтые краны и вода с судами; без грубых ошибок, но менее детально.
gemma-4-31b	8	8	9	8.1	Верно: козловые краны, вода с судами, берег/остров. Кратко и по делу.
GPT-5.5 (low)	8	8	9	8.1	Корректно опознаны краны-перегружатели и акватория порта с судами; хороший связный ответ.
GPT-5.5 (medium)	8	8	9	8.1	Верно: козловые перегружатели, акватория с баржами, противоположный берег. Ясно изложено.
GPT-5.6 Sol (low)	8	8	9	8.1	Кратко и верно: козловые краны-перегружатели, причалы и акватория с судами и островами.
GPT-5.6 Luna (low)	8	8	9	8.1	Корректно опознаны краны и водоём с островами; упоминание ричстакеров правдоподобно.
diffusion-gemma	8	8	7	7.9	Суть верна (терминал, краны, акватория с судами), но есть обрыв слова 'транспо' и шероховатости текста.
Nemotron-3-Nano-Omni-30B	7	7	7	7.0	Основное верно, но повтор 'гигантские гигантские', спорные 'красные reach-stackers' и домысел про судостроительный комплекс.

Все модели верно опознали контейнерный порт, жёлтые козловые краны и акваторию с судами. 27b-v2, kimi-k2.6 и gpt-5.6-terra-high наиболее детальны и точны; 27b-v2 добавил портовые краны у воды и башню/маяк на берегу.

scene_промышленность_01aff371cc — Цех с металлическими заготовками

scene · промпт 346 симв. · Победитель: llama-scout · 8.2/10

▸Промпт задачи

Перед вами фотография интерьера промышленного цеха. Опишите, что складировано на полу в цехе (форма и материал объектов), и ответьте: какие пометки нанесены на торцах объектов, лежащих горизонтально на переднем плане (внизу кадра), и чем эти пометки сделаны? Также укажите, какое подъёмное оборудование видно под потолком цеха и какого оно цвета.

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	8	9	9	8.2	Верно опознаны цилиндрические болванки, белые меловые/краской номера и зелёный мостовой кран. Хорошая структура, всё по делу.
MiniMax-M3	8	9	9	8.2	Верно опознаны цилиндрические стальные заготовки, белые номерные пометки на торцах и зелёный мостовой кран с жёлтой кабиной. Минусы: цифры прочитаны неточно («Р6127» вместо 04187/06187), характер пометок описан как краска из баллончика/трафарет вместо рукописного мела, плюс избыточные домыслы.
gemma-4-31b	8	8	9	8.1	Цилиндрические металлические заготовки, меловая маркировка и зелёный кран с жёлтой кабиной — всё верно.
GPT-5.5 (low)	8	8	9	8.1	Цилиндрические болванки, белые меловые/краской пометки и зелёный мостовой кран определены корректно.
GPT-5.5 (medium)	8	8	9	8.1	Точно: цилиндрические заготовки, белая меловая/краской маркировка, зелёный мостовой кран с кабиной.
Kimi K2.6	8	8	9	8.1	Верно: стальные цилиндрические заготовки, белая маркировка краской/мелом, зелёный кран с жёлтой кабиной; марка 'Р6М5' — догадка.
GPT-5.6 Sol (low)	8	8	9	8.1	Верно: цилиндрические металлические заготовки, белые надписи краской вручную, зелёный мостовой кран.
GPT-5.6 Sol (med)	8	8	9	8.1	Точно указаны заготовки, белая маркировка краской и зелёный мостовой кран.
GPT-5.6 Terra (low)	8	8	9	8.1	Заготовки, белые пометки мелом/краской и зелёный кран определены корректно.
GPT-5.6 Terra (med)	8	8	9	8.1	Верно: цилиндрические стальные заготовки, белая маркировка мелом/краской, зелёный мостовой кран.
GPT-5.6 Terra (high)	8	8	9	8.1	Верно: цилиндрические стальные заготовки, белые рукописные пометки мелом/краской, зелёный мостовой кран.
GPT-5.6 Luna (low)	8	8	9	8.1	Верно определены заготовки, белая рукописная маркировка и зелёный мостовой кран.
GPT-5.6 Luna (med)	8	8	9	8.1	Цилиндрические заготовки, белые буквенно-цифровые пометки мелом/краской и зелёный кран — всё верно.
GPT-5.6 Luna (high)	8	8	9	8.1	Полно и точно: цилиндрические заготовки, белые рукописные пометки краской/мелом, зелёный кран с жёлтой тележкой.
diffusion-gemma	8	8	8	8.0	Верно: цилиндрические заготовки, белые номера краской, зелёный кран с жёлтой кабиной. Опечатка 'мостосный'.
Qwen3.6-27B-FP8	7	8	9	7.3	Правильно про белые надписи '06187' и зелёный кран, но объекты названы 'стальными трубами', тогда как это сплошные болванки.
Qwen3.6-35B-A3B-FP8	7	8	8	7.2	Кран зелёный с жёлтой кабиной, номер мелом — верно, но заготовки названы 'трубами/слитками', что менее точно.
Nemotron-3-Nano-Omni-30B	6	3	6	5.7	Кран зелёный и пометки мелом — верно, но объекты названы трубами, не указан цвет надписей, текст с дублированием предложений.

Почти все модели верно опознали цилиндрические заготовки, белые меловые/краской номера и зелёный мостовой кран. Luna-high дала наиболее полный и точный ответ (рукописные пометки, жёлтая тележка); слабее модели, назвавшие объекты трубами (35b, 27b, nemotron), и nemotron с дублированием текста.

scene_промышленность_526bf79b42 — Литейный цех: разливка расплава

scene · промпт 416 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.0/10

▸Промпт задачи

Рассмотрите изображение производственного помещения. Опишите, что за процесс здесь происходит, и ответьте на вопросы: 1) Какой технологический процесс изображён (что делают с раскалённым материалом)? 2) Откуда вытекает раскалённый расплав и куда он направляется? 3) Сколько примерно человек-рабочих видно на снимке и есть ли на них средства защиты головы? 4) Какие признаки указывают на высокую температуру процесса?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Точно: разливка, наклонённый ковш, изложницы, 3 рабочих с описанием касок (синие/белые) и щитка справа, полный набор признаков жара.
GPT-5.5 (medium)	9	9	9	9.0	Точно и структурно: разливка из поворотного ковша в изложницы, 3 рабочих в касках и щиток, все признаки жара.
GPT-5.6 Sol (med)	9	9	9	9.0	Точно и структурно: разливка из наклонённого ковша в формы, 3 рабочих в касках и щиток справа, признаки жара.
Kimi K2.6	9	9	8	8.9	Подробно и точно: заливка из ковша в изложницы на вагонетках, 3-4 рабочих в касках, полный набор признаков жара. Английское 'subsequently' — мелкий огрех.
llama-scout	8	9	9	8.2	Верно распознана разливка металла, ковш, формы, 3 рабочих в касках, признаки жара. Мелочь: формы не на конвейере, а на полу/тележках.
MiniMax-M3	8	9	9	8.2	Процесс распознан верно: разливка расплава из наклонённого ковша в изложницы/опоки на тележках, число рабочих и каски указаны, признаки жара перечислены полно. Небольшие домыслы (подвес на мостовом кране, рельсовые пути, жёлтые каски и термостойкая одежда) на изображении не подтверждаются, поэтому не 10.
gemma-4-31b	8	9	8	8.1	Литьё, ковш, изложницы, ~4 рабочих в касках, признаки жара — всё верно. Калька 'инкандесценция' снижает русский.
GPT-5.6 Sol (low)	8	8	9	8.1	Верно распознан литейный процесс, ковш, формы, 3 рабочих с касками/щитком, признаки жара; отмечен рабочий справа у формы.
GPT-5.6 Terra (low)	8	8	9	8.1	Кратко и верно: разливка из наклонённого ковша в изложницы, 3 рабочих в касках, признаки жара.
GPT-5.6 Terra (med)	8	8	9	8.1	Верно: разливка из наклонённого ковша в формы, 3 рабочих в касках и щиток справа, признаки жара с тепловым маревом.
GPT-5.6 Terra (high)	8	8	9	8.1	Верно: разливка из наклонённого ковша в формы, 3 рабочих в касках и щиток на переднем плане, признаки жара.
GPT-5.6 Luna (med)	8	8	9	8.1	Верно: разливка из наклонённого ковша в изложницы, ~3 рабочих в касках, признаки жара. Кратко и чисто.
GPT-5.6 Luna (high)	8	8	9	8.1	Верно: разливка из наклонённого ковша в формы, 3 рабочих, каски белая и синяя, признаки жара. Аккуратно и кратко.
Qwen3.6-27B-FP8	8	9	7	8.0	Верно опознан процесс и источник; 4 рабочих допустимо. Портит русский непереведённое английское слово clearly.
GPT-5.5 (low)	8	7	8	7.9	Кратко, но верно: разливка из наклонённого ковша в формы, 3-4 рабочих в касках/щитках, признаки жара.
diffusion-gemma	8	8	6	7.8	Процесс, ковш, формы и признаки жара верны, 3 рабочих в касках. Опечатки (ковм, металприемной) портят русский.
GPT-5.6 Luna (low)	7	8	8	7.2	В целом верно, но ошибка: расплав льётся из наклона сверху, а не 'из отверстия в нижней части ковша'.
Nemotron-3-Nano-Omni-30B	2	1	0	1.7	Ответ на английском в одну строку, отвечает лишь на вопрос о рабочих; сам процесс, источник и признаки жара проигнорированы.

Литейный процесс распознан почти всеми верно; побеждает 35b-a3b за максимально точное описание касок (синие/белые), щитка справа и полного набора признаков жара. Провал у nemotron-omni (одна строка на английском).

scene_промышленность_74cae33138 — Цех металлопроката: что поднимает кран

scene · промпт 412 симв. · Победитель: MiniMax-M3 · 9.1/10

▸Промпт задачи

Перед вами фотография производственного цеха. Внимательно рассмотрите сцену и ответьте на вопросы: 1) Что это за помещение и какая отрасль промышленности изображена? 2) Какое грузоподъёмное оборудование находится в центре кадра и какой рабочий орган висит на его крюке? 3) Что в большом количестве лежит рядами на полу цеха — опишите форму этих изделий и их характерный внешний вид (цвет, состояние поверхности).

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	9	10	9.1	Верно определены металлургический (прокатный/складской) цех чёрной металлургии, мостовой кран с крюковой обоймой и подвешенными клещами-захватом, а также ряды цилиндрических стальных заготовок с ржавой окалиной. Мелкие недочёты: не отмечен жёлтый цвет захвата и добавлена домысленная деталь о деревянных подкладках.
Qwen3.6-35B-A3B-FP8	8	8	9	8.1	Точно: чёрная металлургия, мостовой кран и единственный, кто явно указал жёлтый цвет захвата. Заготовки описаны верно, лёгкая неточность с 'трубами' как вариантом.
gemma-4-31b	8	8	9	8.1	Верно: металлургический цех, мостовой кран с захватом/траверсой, цилиндрические заготовки-поковки, окалина, ржавчина, белая маркировка. Цвет захвата не указан.
Kimi K2.6	8	8	9	8.1	Точно и подробно: металлургический прокатный цех, мостовой кран с клещевым захватом, цилиндрические заготовки (круглый прокат), ржавчина, окалина, белая маркировка.
GPT-5.6 Sol (med)	8	8	9	8.1	Верно: металлургический цех, мостовой кран с клещевым захватом, цилиндрические заготовки/слитки со ступенчатыми концами, окалина, ржавчина, меловая маркировка.
GPT-5.6 Terra (med)	8	8	9	8.1	Верно: металлургический/кузнечно-прессовый цех, мостовой кран с захватом/траверсой, цилиндрические заготовки-валы с окисленной поверхностью и меловыми пометками.
GPT-5.6 Terra (high)	8	8	9	8.1	Металлургия, мостовой кран с траверсой/захватом, массивные цилиндрические валки с окалиной, подмечены отполированные рабочие поверхности и меловые пометки.
GPT-5.6 Luna (med)	8	8	9	8.1	Металлургический цех, мостовой кран с клещевым захватом и короткие толстые цилиндрические заготовки с ржавчиной — всё верно и аккуратно.
GPT-5.6 Luna (high)	8	8	9	8.1	Кратко и верно: металлургический цех, мостовой кран с клещевым захватом, цилиндрические стальные заготовки с окалиной. Цвет захвата не указан.
GPT-5.5 (medium)	8	7	8	7.9	Верно назвал цех, мостовой кран и клещевой захват. Хорошо подмечены утолщения и проточки на концах цилиндрических заготовок, цвет и окалина.
llama-scout	8	6	5	7.5	Верно назвал металлургию, мостовой кран с клещевым захватом и цилиндрические заготовки с ржавчиной и маркировкой. Портит ответ вставка иероглифов (не完整的) и калька, снижающая русский и формат.
GPT-5.6 Sol (low)	7	8	9	7.3	Металлургия и мостовой кран с клещевым захватом верно, меловая маркировка отмечена. Акцент на 'трубы/полые заготовки' немного снижает точность.
GPT-5.6 Terra (low)	7	8	8	7.2	Тяжёлая металлургия, мостовой кран с траверсой/захватом верно. Заготовки цилиндрические с окалиной, но вариант 'трубы' ослабляет точность.
GPT-5.6 Luna (low)	7	8	8	7.2	Верно по сути, но термин 'мостовой козловой/подвесной' смешивает типы кранов. Заготовки и меловая маркировка описаны корректно.
GPT-5.5 (low)	7	7	8	7.1	Тяжёлая металлургия, мостовой кран и траверсный/клещевой захват верно. Заготовки цилиндрические с окалиной и разметкой, но вариант 'трубы' ослабляет точность.
diffusion-gemma	7	6	5	6.7	По сути верно: металлургия, тележка крана с захватом, цилиндрические заготовки. Много опечаток (изобрабражена, окасления, 'многих многих'), что снижает русский и формат.
Qwen3.6-27B-FP8	6	8	9	6.5	Металлургия и мостовой кран верно, но чёрный блок (обойма крюка) ошибочно назван электромагнитом, а форма заготовок частично описана как параллелепипед. Захват жёлто-чёрный отмечен.
Nemotron-3-Nano-Omni-30B	6	6	5	5.9	Металлургия и мостовой кран верно, но 'гидравлический захватыватель / магнитный кран с ловушкой' размыто и с ошибками; заготовки названы трубами/прутками. Опечатки снижают русский.

Плотная группа сильных ответов; 35b-a3b выделяется тем, что единственный явно и верно указал жёлтый цвет грузозахвата при точном описании цеха и заготовок. Kimi, gpt-5.6-sol-medium и terra-high близки.

scene_промышленность_879da19d75 — Цех с трубными заготовками

scene · промпт 340 симв. · Победитель: Qwen3.6-27B-FP8 · 8.9/10

▸Промпт задачи

Перед вами фотография внутри производственного цеха. Опишите, что является основным объектом на переднем плане и как эти объекты расположены. Затем ответьте на вопрос: какого цвета поверхность этих объектов и о чём это говорит (новые они или со следами коррозии)? Также укажите, какое крупное подъёмное оборудование видно под потолком цеха.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	9	8	9	8.9	Верно: металлические трубы рядами, ржавчина, мостовой кран с зелёной балкой и мостиком, жёлтые элементы справа.
Qwen3.6-35B-A3B-FP8	9	8	9	8.9	Точно: трубы/болванки рядами, ржаво-коричневая коррозия, мостовой кран. Верно подмечена окраска (синий мост, зелёные опоры).
GPT-5.5 (low)	9	8	9	8.9	Точно: цилиндрические заготовки/трубы торцами к зрителю, ржавчина/коррозия, мостовой кран на рельсах.
GPT-5.5 (medium)	9	8	9	8.9	Верно всё: трубы большого диаметра рядами, следы ржавчины/окалины, мостовой кран по рельсам пролёта.
Kimi K2.6	9	8	9	8.9	Максимально точно: цилиндрические заготовки параллельными рядами, ржавая коррозия, мостовой кран с тележкой и проходами, другие краны вдали.
GPT-5.6 Sol (low)	9	8	9	8.9	Точно: цилиндрические заготовки рядами, окалина/коррозия, мостовой кран.
GPT-5.6 Sol (med)	9	8	9	8.9	Верно: заготовки параллельными рядами, ржавчина, мостовой кран.
GPT-5.6 Terra (low)	9	8	9	8.9	Верно: валы/заготовки плотной группой рядами, ржавая коррозия, мостовой кран.
GPT-5.6 Terra (med)	9	8	9	8.9	Верно: валы/заготовки рядами на полу, ржавые следы коррозии, мостовой кран.
GPT-5.6 Luna (low)	9	8	9	8.9	Корректно: трубы рядами, ржавые следы коррозии, мостовой кран.
GPT-5.6 Luna (med)	9	8	9	8.9	Верно: цилиндрические трубы/валы горизонтально рядами, ржавчина, мостовой кран с тележкой.
GPT-5.6 Luna (high)	9	8	9	8.9	Верно и лаконично: заготовки/трубы торцами к зрителю, ржавчина, мостовой кран.
GPT-5.6 Terra (high)	9	7	9	8.8	Кратко и верно: цилиндрические заготовки рядами, ржавчина/коррозия, мостовой кран.
llama-scout	8	9	9	8.2	Верно определены цилиндрические заготовки, ржавая поверхность, мостовые краны; упоминание рельсов на полу уместно. Чёткая структура.
diffusion-gemma	8	8	7	7.9	Заготовки рядами, ржавчина, мостовой кран определены верно; грамматическая ошибка 'массивная мостовой кран'.
gemma-4-31b	7	8	9	7.3	Объекты и ржавчина верны, кран назван; но ошибочно 'в один ряд' — на деле уложены в несколько рядов/штабелем.
MiniMax-M3	7	8	9	7.3	Верно определены цилиндрические металлические изделия, уложенные штабелем, ржаво-бурая поверхность с окалиной/коррозией (не новые) и мостовые краны под потолком. Минус: настойчиво трактует объекты как сплошные литые блюмы/слябы, тогда как на торцах видны отверстия толстостенных труб, плюс мелкие домыслы про кабины и историю хранения.
Nemotron-3-Nano-Omni-30B	0	0	0	0.0	Ответ — бессвязный английский бред про стоимость 1000, задача не выполнена, галлюцинация.

Почти все модели точны; kimi-k2.6 самый полный и детальный. Nemotron-omni — полный провал (бессвязный текст).

scene_общее_1bf595d6d9 — Контейнерный порт: бренд и флаг

scene · промпт 363 симв. · Победитель: llama-scout · 9.9/10

▸Промпт задачи

Рассмотрите изображение. Это контейнерный морской порт с большими портальными кранами. Ответьте на три вопроса: 1) Какого цвета (основной цвет) корпуса крупных портовых кранов? 2) Какая логистическая компания (бренд) написана на большинстве контейнеров, сложенных слева? 3) Флаг какой страны изображён в правой части снимка и по каким признакам вы это определили?

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	10	10	9	9.9	Верно определены цвет кранов, бренд Maersk и флаг Украины с признаками. Чёткая структура.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Все три ответа верны, синие краны с красными фермами, MAERSK, флаг Украины с аргументацией. Подробно и точно.
gemma-4-31b	10	9	9	9.8	Точные ответы: голубые краны, MAERSK, флаг Украины с верными признаками полос.
GPT-5.5 (low)	10	9	9	9.8	Все три ответа верны и лаконичны, флаг Украины обоснован полосами.
GPT-5.5 (medium)	10	9	9	9.8	Верно: голубые краны с красно-белыми стрелами, MAERSK, флаг Украины.
GPT-5.6 Sol (low)	10	9	9	9.8	Точные ответы: голубые краны, MAERSK, флаг Украины с признаками.
GPT-5.6 Sol (med)	10	9	9	9.8	Верно определены цвет кранов, бренд и флаг Украины с аргументацией полос.
GPT-5.6 Terra (med)	10	9	9	9.8	Точные и ясные ответы: голубые краны, Maersk, флаг Украины с признаками.
GPT-5.6 Terra (high)	10	9	9	9.8	Все три ответа верны, флаг Украины обоснован сине-жёлтыми полосами.
GPT-5.6 Luna (high)	10	9	9	9.8	Все три ответа верны и точны, флаг Украины с признаками.
GPT-5.6 Terra (low)	10	8	9	9.7	Верно, но не уточнил про левую стопку контейнеров; в остальном корректно.
GPT-5.6 Luna (low)	10	8	9	9.7	Верно, но по контейнерам не уточнил про левую стопку; в целом корректно.
GPT-5.6 Luna (med)	10	8	9	9.7	Все ответы верны и лаконичны, флаг Украины обоснован полосами.
Kimi K2.6	9	9	9	9.0	Верные развёрнутые ответы; цвет контейнеров описан как красно-синий (в основном красные), в остальном точно.
diffusion-gemma	9	8	7	8.7	Ответы верны, но опечатки (Овываясь, опор конструкций) и лишнее Maersk Sealand снижают качество.
Nemotron-3-Nano-Omni-30B	9	5	7	8.4	Ответы правильные, но предельно кратко, без анализа и почти без аргументации.
Qwen3.6-27B-FP8	8	8	6	7.8	Все ответы по сути верны, но ошибочно назвал контейнеры синими (они красные) и в тексте есть иероглифы (双色ному).
MiniMax-M3	3	8	9	4.1	Главный вопрос о цвете кранов отвечен неверно: корпуса синие/голубые, а модель назвала красный; также ошибочно утверждает, что контейнеры Maersk синие, тогда как на снимке они красные. MAERSK и флаг Украины с верной аргументацией определены правильно, оформление и русский язык хорошие.

Почти все модели ответили верно; 35b-a3b и kimi дали наиболее полный и точный анализ. Слабее всех nemotron-omni (кратко) и 27b-v2 (иероглифы, ошибка по цвету контейнеров).

scene_промышленность_d7fcd83918 — Рабочий в цехе тяжёлого машиностроения

scene · промпт 451 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

Перед тобой фотография производственного цеха. Опиши сцену и ответь на вопросы: (1) Сколько человек (рабочих) видно на снимке? (2) Какого цвета защитная каска на голове рабочего? (3) Чем рабочий занят — стоит без дела, идёт по проходу или склонился и работает у оборудования? (4) Какого основного цвета окрашены крупные станки в цехе и какого цвета подъёмные/крановые конструкции под потолком? Отвечай только по тому, что реально видно на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все факты верны: один рабочий, оранжевая каска, склонился у оборудования, зелёные станки, жёлтые краны. Развёрнутое описание сцены.
gemma-4-31b	10	9	10	9.9	Все факты верны, аккуратное краткое описание и чёткие ответы.
diffusion-gemma	10	9	10	9.9	Все ответы точны и структурированы, но описание сцены минимально.
GPT-5.5 (low)	10	9	10	9.9	Все факты верны, кратко и ясно, анализ поверхностный.
GPT-5.5 (medium)	10	9	10	9.9	Все факты верны, чёткая структура и корректное краткое описание.
Kimi K2.6	10	9	10	9.9	Все факты верны, богатое и точное описание сцены, детали про спецодежду и краны.
GPT-5.6 Sol (med)	10	9	10	9.9	Все факты верны, чёткая нумерованная структура.
llama-scout	10	9	9	9.8	Все ответы точны, чёткая структура с заголовками. Анализ умеренный.
GPT-5.6 Luna (high)	10	8	10	9.8	Все факты верны, ясные ответы; формат смешанный (список), описание краткое.
GPT-5.6 Sol (low)	10	7	10	9.7	Все факты верны, изложены абзацем без выраженной структуры.
GPT-5.6 Terra (low)	10	7	10	9.7	Все факты верны, компактный абзац без структуры.
GPT-5.6 Terra (med)	10	7	10	9.7	Факты верны, изложено абзацем, анализ краткий.
GPT-5.6 Terra (high)	10	7	10	9.7	Факты верны, но одним абзацем без нумерации.
GPT-5.6 Luna (low)	10	7	10	9.7	Все факты верны, но сплошным абзацем без структуры и анализа.
GPT-5.6 Luna (med)	10	7	10	9.7	Факты верны, компактный абзац, минимум анализа и структуры.
Nemotron-3-Nano-Omni-30B	10	6	7	9.3	Ответы верны, но это лишь голый список без описания и анализа.
MiniMax-M3	9	10	10	9.2	Все ключевые факты верны: один рабочий, оранжевая каска, склонился и работает у оборудования, зелёные станки и жёлтые крановые конструкции; дополнительно верно отмечены синие электродвигатели и маслянистый пол. Небольшой минус за домыслы о типе установок ('заливочные/прокатные') и неупомянутую цифру 3.
Qwen3.6-27B-FP8	9	9	10	9.1	Факты верны, но станки описаны как зелёные И жёлтые (верх), что слегка смешивает цвет станков с кранами. В остальном точно.

Практически все модели верно распознали все факты; побеждает kimi-k2.6 за наиболее точное и детальное описание сцены при полной корректности.

scene_стройка_0a15850673 — Стройка высотки: время года и техника

scene · промпт 325 симв. · Победитель: Kimi K2.6 · 9.1/10

▸Промпт задачи

Перед тобой аэрофотоснимок строительной площадки в городе. Опиши сцену и ответь на вопросы: 1) Какое время года изображено и по каким признакам это видно? 2) Какой главный объект строится (тип и стадия готовности)? 3) Сколько башенных (грузоподъёмных) кранов видно на снимке? Отвечай строго по тому, что видно на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	9	9	10	9.1	Наиболее полное и точное описание: зима, монолитный каркас средней стадии, 3 крана, замечен рабочий. Отлично.
gemma-4-31b	9	9	9	9.0	Зима по снегу и отсутствию листвы, каркас многоэтажки, 3 крана. Точно, ясно и лаконично.
Qwen3.6-27B-FP8	8	9	9	8.2	Поздняя зима/весна со ссылкой на снег, каркас дома, 3 крана с описанием положения. Хорошо.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Зима (снег, голые деревья), монолитный каркас, детально расписаны 3-4 крана. Точно и структурно.
GPT-5.5 (medium)	8	9	9	8.2	Зима со снегом и голыми деревьями, каркас многоэтажки, 4 крана. Корректно.
MiniMax-M3	8	9	9	8.2	Верно определены зима по снегу, монолитный каркас многоэтажного жилого дома в стадии возведения и 3 башенных крана. Небольшие домыслы: подробно описанные «безлистные деревья с просматривающимися ветвями» и правый корпус «обшитый утеплителем и фасадной сеткой с остеклением», чего на снимке фактически не различить.
GPT-5.6 Sol (med)	8	9	9	8.2	Зима, каркас ЖК, 4 крана. Точно и структурно.
GPT-5.5 (low)	8	8	9	8.1	Зима/весна со снегом, ж/б каркас, 4 крана. Всё в допустимых пределах.
Nemotron-3-Nano-Omni-30B	8	8	9	8.1	Зима, каркасный дом, 3 крана. Верно; 'ранняя стадия' слегка занижает готовность.
GPT-5.6 Sol (low)	8	8	9	8.1	Зима со снегом, ж/б каркас, 4 крана. Верно.
GPT-5.6 Luna (high)	8	8	9	8.1	Зима, бетонный каркас жилого дома, 3 крана. Точно и кратко.
diffusion-gemma	8	8	8	8.0	Зима со снегом, каркас жилого дома, 3 крана. Верно, но опечатка 'Стротся'.
GPT-5.6 Terra (low)	8	7	9	8.0	Зима, каркас, 3 крана. Кратко и корректно.
GPT-5.6 Terra (med)	8	7	9	8.0	Зима со снегом, каркас без остекления, 3 крана. Верно.
GPT-5.6 Terra (high)	8	7	9	8.0	Зима по снегу, ж/б каркас, 3 крана. Верно, лаконично.
GPT-5.6 Luna (med)	8	7	9	8.0	Зима, каркас ЖК, 3 крана. Кратко и по делу.
GPT-5.6 Luna (low)	7	8	9	7.3	Зима, каркас, 3 крана — верно, но небо ошибочно названо пасмурным (оно ясное).
llama-scout	3	8	6	3.8	Здание и 4 крана распознаны, но время года определено НЕВЕРНО: модель отрицает снег (он есть) и называет весну/осень. Русский засорён англицизмом foliage.

Почти все модели верно назвали зиму, каркас многоэтажки и 3-4 крана. Kimi дал самое полное и точное описание. llama-scout провалил вопрос о сезоне, отрицая присутствующий снег.

scene_стройка_1d49572b9d — Анализ строительной площадки с высоты

scene · промпт 584 симв. · Победитель: MiniMax-M3 · 8.8/10

▸Промпт задачи

Перед тобой аэрофотоснимок строительной площадки в городской застройке. Внимательно рассмотри сцену и ответь на вопросы: 1) Что является основным объектом строительных работ в центре кадра — опиши характерный элемент рельефа площадки. 2) Какая строительная техника здесь самая заметная и крупная (тип крана)? 3) Какой строительный материал крупными партиями складирован/уложен на площадке (укажи характерный цвет и форму)? 4) Что окружает стройплощадку по периметру — какой тип городской застройки виден вдали? 5) Какое время года и какая погода на снимке (по состоянию травы и неба)?

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	9	7	8.8	Все пять пунктов совпадают с эталоном: котлован со шпунтовым ограждением, красный гусеничный кран с решётчатой стрелой, ржавые трубы большого диаметра рядами, панельные спальные микрорайоны, поздняя осень и пасмурное серое небо. Незначительные придирки: кран стоит скорее на площадке у котлована, а не на его дне, и есть опечатки (котловаана, старлные), плюс лишний англоязычный вставка.
GPT-5.6 Sol (med)	8	8	9	8.1	Точный ступенчатый котлован, гусеничные решётчатые краны, ржаво-коричневые трубы/балки рядами, панельки, пасмурная осень — полный и грамотный ответ.
GPT-5.6 Luna (high)	8	8	9	8.1	Кратко и точно: котлован, крупный гусеничный решётчатый кран, ржаво-коричневые трубы рядами, жилые многоэтажки, пасмурная поздняя осень — попал даже в трубы.
GPT-5.6 Sol (low)	8	8	8	8.0	Верно: котлован, гусеничные решётчатые краны, тёмно-коричневые трубы/балки рядами, панельная застройка, пасмурная поздняя осень.
GPT-5.6 Terra (low)	8	8	8	8.0	Все пункты верны: котлован, решётчатые краны, ржаво-бурые стальные трубы рядами, типовые многоэтажки, пасмурная поздняя осень.
GPT-5.6 Terra (med)	8	8	8	8.0	Котлован под фундамент, гусеничный кран, ржаво-коричневые стальные трубы/балки рядами, панельные кварталы и пасмурная осень — верно.
GPT-5.6 Terra (high)	8	8	8	8.0	Котлован, гусеничные решётчатые краны, тёмно-коричневые трубы/сваи рядами, панельная застройка и пасмурная осень распознаны верно.
GPT-5.6 Luna (low)	8	8	8	8.0	Все пункты верны, включая ржаво-коричневые трубы рядами и решётчатый гусеничный кран; сжато и корректно.
Qwen3.6-27B-FP8	7	8	9	7.3	Точный котлован, красный и жёлтый краны, ржаво-коричневый материал (балки/сваи), панельные дома, пасмурная осень — почти всё верно, кроме названия труб.
Kimi K2.6	7	8	9	7.3	Отличный разбор: подземное сооружение/метро, решётчатые гусеничные краны, ржавый металл штабелями, панельная застройка, поздняя осень; материал назван арматурой/прокатом, а не трубами.
Qwen3.6-35B-A3B-FP8	7	8	8	7.2	Верно распознан красный решётчатый гусеничный кран, котлован со шпунтом, панельная застройка; материал назван красноватыми балками, а не трубами.
gemma-4-31b	7	8	8	7.2	Решётчатые краны, котлован, рыже-коричневый металл, жилая застройка и пасмурное небо распознаны; материал — балки/шпунты вместо труб.
GPT-5.6 Luna (med)	7	8	8	7.2	Котлован, решётчатый кран, застройка и осень верны; материал назван тёмно-коричневыми балками/шпунтом вместо ржавых труб.
GPT-5.5 (low)	7	7	8	7.1	Котлован, красный гусеничный кран, ржавые длинные элементы рядами, панельная застройка и пасмурная осень верны; материал — балки/шпунт, не трубы.
GPT-5.5 (medium)	7	7	8	7.1	Упоминает трубы среди вариантов, котлован и красный кран верны, но цвет материала назван чёрным/тёмным вместо ржавого.
diffusion-gemma	6	7	5	6.0	Основные факты верны (котлован, красный/жёлтый краны, ржавый металл, панельки, осень), но много опечаток («банонные», «поскневшей», «ббчатую») и материал назван балками/арматурой.
Nemotron-3-Nano-Omni-30B	5	6	7	5.3	Кран ошибочно назван башенным, есть домыслы про заполнение котлована ж/б элементами и повтор «жилой жилой»; котлован, застройка и осень верны.
llama-scout	4	7	8	4.7	Котлован и жилая застройка верны, но кран назван башенным (на деле решётчатый гусеничный), а материал — серые сваи вместо рыжих труб.

Топ-группа (gpt-5.6 luna/sol/terra) точно назвала ржаво-коричневые трубы рядами и решётчатый гусеничный кран; kimi дал лучший анализ, но материал назвал арматурой. Слабее всех llama-scout (башенный кран, серые сваи) и nemotron (башенный кран, домыслы).

scene_стройка_9f6d923f3f — Анализ стройплощадки многоэтажек

scene · промпт 469 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

Внимательно рассмотрите фотографию строительной площадки. Ответьте на вопросы: 1) Сколько примерно высотных зданий (многоэтажных башен) строится на переднем плане? 2) Какой основной тип подъёмной техники виден над стройкой и какого она цвета? 3) На какой стадии находятся здания — есть ли у них уже остеклённые фасады с окнами или это пока бетонные/железобетонные каркасы? 4) Что видно на дальнем плане за стройкой и какое время суток показано на снимке (по освещению)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Наиболее точный подсчёт (~5 башен), верно каркас без остекления, жёлтые краны, skyline и деревья, закат/рассвет.
Kimi K2.6	10	9	9	9.8	Очень точный и подробный разбор: 4-5 башен, жёлтые краны, монолитный каркас без остекления, skyline с зеленью, золотой час.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Точно определил каркасную стадию без остекления, жёлтые краны, силуэт города, золотой час. Хороший подробный разбор.
gemma-4-31b	9	9	9	9.0	Всё верно: каркасы без остекления, жёлтые краны, город с деревьями, золотой час. Ясно и лаконично.
MiniMax-M3	9	9	9	9.0	Все четыре пункта соответствуют изображению: 4-5 строящихся башен, жёлто-оранжевые башенные краны, стадия железобетонного каркаса без остекления, силуэт города с зеленью и закатное освещение. Небольшие вольности (упоминание длинных мягких теней, которые практически не читаются) не влияют на суть.
llama-scout	9	8	9	8.9	Верно: 4 башни, жёлто-оранжевые краны, бетонные каркасы без остекления, город и деревья, рассвет/закат. Немного сбитое markdown-форматирование звёздочек.
GPT-5.6 Terra (med)	9	8	9	8.9	Верно: ~5 башен, каркасы почти без остекления, жёлто-оранжевые краны, skyline с деревьями, закат.
GPT-5.6 Terra (high)	9	8	9	8.9	Верно: ~5 башен, жёлто-оранжевые краны, ЖБ-каркасы без остекления, город и зелень, вечер/закат.
GPT-5.6 Luna (med)	9	8	9	8.9	Верно: 4-5 башен, каркасы без остекления, жёлтые краны, город с деревьями, закат.
GPT-5.6 Luna (high)	9	8	9	8.9	Верно: 4 башни, жёлто-оранжевые краны, каркасы без остекления, город с деревьями, закат. Кратко и точно.
diffusion-gemma	9	8	7	8.7	Факты верны (каркасы, жёлтые краны, город с лесом, закат), но опечатка 'банонные краны' портит качество русского.
Nemotron-3-Nano-Omni-30B	9	7	6	8.5	Факты верны (каркасы, жёлтый кран, город, рассвет), но англицизмы 'erection' и калька 'городской скелет' портят русский.
GPT-5.6 Sol (low)	8	8	9	8.1	В основном верно про каркасы без завершённого остекления, но осторожная оговорка про окна в проёмах немного снижает точность.
GPT-5.6 Terra (low)	8	8	9	8.1	В основном верно про каркасы, лёгкая оговорка про заполненные проёмы; жёлтые краны, город, закат указаны корректно.
GPT-5.6 Sol (med)	7	8	9	7.3	Приписал 'тёмные оконные блоки в проёмах' — фактически остекления нет, это голые каркасы; остальное верно.
GPT-5.6 Luna (low)	6	8	8	6.4	В целом верно про каркасы, но ошибочно добавил 'отдельные окна уже установлены' — остекления на зданиях нет.
GPT-5.5 (low)	5	7	8	5.5	Ошибочно приписал зданиям 'частично оформленные фасады и остекление/окна', тогда как это голые каркасы. Остальное верно.
GPT-5.5 (medium)	5	7	8	5.5	Неверно утверждает про частично остеклённые окна на фасадах — ключевая ошибка стадии строительства.

Лучшие — kimi-k2.6 и 27b-v2: точный подсчёт башен и верная каркасная стадия без остекления. Модели gpt-5.5 и часть luna/sol ошибочно приписали зданиям остекление/окна.

scene_стройка_e50610614e — Стройплощадка у Института Склифосовского

scene · промпт 530 симв. · Победитель: GPT-5.6 Terra (med) · 8.9/10

▸Промпт задачи

Перед тобой аэрофотоснимок строительной площадки. На фасаде многоэтажного здания на заднем плане есть крупная надпись. Прочитай эту надпись и ответь: 1) что это за учреждение (название полностью); 2) какой этап строительных работ изображён на площадке перед зданием (опиши, что именно происходит и какая землеройная техника задействована); 3) сколько примерно экскаваторов и сколько самосвалов видно в котловане, и какого они цвета. Также укажи, есть ли признаки того, что это не рядовой рабочий день, а торжественное мероприятие.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Terra (med)	9	8	9	8.9	Название верное; наиболее точный подсчёт — 5 гусеничных экскаваторов + жёлтый погрузчик и 1 жёлтый самосвал; признаки церемонии верны.
Qwen3.6-27B-FP8	8	8	9	8.1	Название верное, ~5 экскаваторов и 1 жёлтый самосвал, отлично описаны признаки торжества; мелкие вольности в брендах.
Qwen3.6-35B-A3B-FP8	8	8	9	8.1	Название верное, 5 экскаваторов и 1 жёлтый самосвал, подробно и верно перечислены признаки церемонии (тент, экран, автобусы, гости).
GPT-5.5 (medium)	8	8	9	8.1	Название верное, 5-6 экскаваторов, 1-2 самосвала, полно описаны шатёр, павильон, экран, люди.
Kimi K2.6	8	8	9	8.1	Название верное, 4-5 экскаваторов и 1 жёлтый самосвал, чёткое описание признаков церемонии, отличный русский.
GPT-5.6 Terra (high)	8	8	9	8.1	Название верное, 6-7 экскаваторов (близко), 1 жёлтый самосвал под погрузку, признаки церемонии кратко и точно.
GPT-5.5 (low)	8	7	9	8.0	Название верное, ~5-6 экскаваторов, 1 жёлтый самосвал, признаки мероприятия отмечены корректно.
GPT-5.6 Terra (low)	8	7	9	8.0	Название верное, ~6 экскаваторов, 1 жёлтый самосвал, признаки мероприятия отмечены.
diffusion-gemma	8	7	6	7.7	Название и техника верны (5 экскаваторов, 1 жёлтый самосвал), признаки церемонии отмечены; много опечаток («самовалы», «жиле»).
llama-scout	7	8	9	7.3	Название верное, земляные работы верно; экскаваторов 4 (приемлемо), но самосвалов ошибочно назвал 2 (на деле 1), LED-экран не отмечен.
GPT-5.6 Sol (low)	7	8	9	7.3	Название верное, 1 жёлтый самосвал верно, но экскаваторов завышено (~7); признаки церемонии описаны хорошо.
GPT-5.6 Sol (med)	7	8	9	7.3	Название верное, 1 жёлтый самосвал, отлично описана церемония; экскаваторов завышено до ~7.
GPT-5.6 Luna (high)	7	7	9	7.2	Название верное, признаки церемонии отмечены, но экскаваторов завышено (~7 против ~5) и 2 самосвала вместо 1.
gemma-4-31b	7	7	7	7.0	Название верное, котлован верно; экскаваторов 4 (ок), но самосвалов ошибочно 2. Вставка англ. «ceremonial-шатёр» портит русский.
Nemotron-3-Nano-Omni-30B	7	7	6	6.9	Название и техника в целом верны (5 экскаваторов, 1 самосвал), но «красное сердце — символ института» выдумка, англ. вкрапления портят русский.
GPT-5.6 Luna (low)	6	7	9	6.4	Название верное, но заметный перекос в подсчёте: ~7 экскаваторов и ~2 самосвала; описание церемонии беглое.
GPT-5.6 Luna (med)	6	7	9	6.4	Название верное, но экскаваторов завышено до ~7 и 2 самосвала; признаки мероприятия верны.
MiniMax-M3	5	8	9	5.7	Надпись и этап работ (нулевой цикл, разработка котлована) определены верно, но подсчёт техники ошибочен: 3-4 «все оранжевые» экскаватора вместо ~5 оранжевых и жёлтых, и 2-3 самосвала вместо одного жёлтого. Добавлены выдуманные детали — флагштоки/флаги, люди в деловых костюмах с охраной, тогда как на снимке видны в основном рабочие в сигнальных жилетах; светодиодный экран не упомянут.

Все модели верно прочитали надпись «Институт Склифосовского» и котлован. Победитель — terra-medium за самый точный подсчёт техники (5 экскаваторов, 1 жёлтый самосвал); 35b-a3b, 27b-v2 и kimi близки. Luna-версии завысили число экскаваторов.

scene_стройка_fa7aa035fe — Подсчёт башенных кранов на стройке

scene · промпт 493 симв. · Победитель: MiniMax-M3 · 7.4/10

▸Промпт задачи

Перед вами фотография строительной площадки. Ответьте на вопросы, опираясь только на то, что видно на изображении: 1) Сколько жёлтых башенных кранов видно на снимке? 2) Какая строительная техника оранжевого цвета находится у правого края кадра и какая её часть (ковш/стрела) попадает в кадр? 3) Что находится на заднем плане за стройплощадкой — опишите тип построек? 4) Какая стадия строительства идёт в центре котлована (фундамент с опалубкой и арматурой, готовое здание или земляные работы)?

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	7	9	9	7.4	Верно указано два жёлтых крана, жилая многоэтажная застройка на фоне и стадия фундамента с опалубкой/арматурой, но по вопросу 2 ошибка: модель утверждает, что ковш экскаватора не виден, тогда как крупный ковш занимает правый край кадра. Ответ структурирован и написан хорошим русским языком.
Qwen3.6-27B-FP8	6	8	9	6.5	Ошибка в числе кранов (3 вместо 2), остальное точно и подробно: гусеничный экскаватор с ковшом, жилые дома, монолитный фундамент.
llama-scout	6	8	9	6.5	Кранов насчитал 3 (эталон — 2), но экскаватор/ковш, жилые дома и фундамент с опалубкой определены верно.
gemma-4-31b	6	8	9	6.5	Кратко и верно по Q2-Q4, но кранов 3 вместо 2 и минимум обоснования.
diffusion-gemma	6	8	9	6.5	Число кранов завышено (3), экскаватор с ковшом, жилые дома и фундамент с опалубкой определены правильно.
GPT-5.5 (low)	6	8	9	6.5	Кранов 3 (эталон 2), остальные ответы корректны: экскаватор, стрела/ковш, застройка, монолитный фундамент.
GPT-5.5 (medium)	6	8	9	6.5	Та же ошибка в числе кранов, но точно: гусеничный экскаватор, стрела/ковш, застройка, фундамент.
Kimi K2.6	6	8	9	6.5	Ошибка только в числе кранов; наиболее детально и точно: ковш как основной план, типы домов, нулевой цикл с опалубкой и арматурой.
GPT-5.6 Sol (low)	6	8	9	6.5	Число кранов завышено; точно описан экскаватор со стрелой/ковшом/гусеницами, застройка и фундамент.
GPT-5.6 Sol (med)	6	8	9	6.5	Кранов 3 вместо 2; гусеничный экскаватор, стрела/ковш, застройка и подземная часть с опалубкой верны.
GPT-5.6 Terra (low)	6	8	9	6.5	Кранов 3; Q2-Q4 верны, кратко.
GPT-5.6 Terra (high)	6	8	9	6.5	Ошибка в числе кранов, остальное корректно: экскаватор со стрелой/ковшом, застройка, фундамент с арматурой.
GPT-5.6 Luna (low)	6	8	9	6.5	Аналогично: ошибка в числе кранов, остальное верно и сжато.
GPT-5.6 Luna (med)	6	8	9	6.5	Кранов 3, Q2-Q4 корректны, обоснование краткое.
GPT-5.6 Luna (high)	6	8	9	6.5	Кранов 3 вместо 2; экскаватор со стрелой/ковшом, застройка и фундамент определены верно, но лаконично.
Nemotron-3-Nano-Omni-30B	6	5	8	6.1	Голые ответы без анализа; факты верны кроме числа кранов (3 вместо 2).
Qwen3.6-35B-A3B-FP8	5	8	9	5.7	Не только назвал 3 крана, но и придумал ещё один в фоне — переоценка. Q2-Q4 верны.
GPT-5.6 Terra (med)	5	8	9	5.7	Кранов 3, и в Q2 указана только стрела без ковша, тогда как в кадр крупно попадает именно ковш.

Все модели ошиблись в числе кранов (3 вместо эталонных 2); по Q2-Q4 почти все верны. Победитель kimi-k2.6 — самый точный и детальный разбор (ковш как основной план, типы домов, нулевой цикл).

scene_нефтегаз_4cbf94e35b — Дымовые трубы у промышленного здания

scene · промпт 253 симв. · Победитель: gemma-4-31b · 8.9/10

▸Промпт задачи

На фотографии — промышленный объект энергетического/нефтегазового комплекса. Слева расположены высокие дымовые трубы. Сколько таких труб видно на снимке и как они окрашены? Также прочитайте лозунг на баннере, который висит на стене белого здания справа.

Модель	C	F	Ru	Σ	Комментарий судьи
gemma-4-31b	9	8	9	8.9	Все три элемента верны; трубы, красно-белые полосы и текст баннера прочитаны корректно.
GPT-5.5 (low)	9	8	9	8.9	4 трубы, бело-красные полосы и текст баннера прочитаны верно.
Kimi K2.6	9	8	9	8.9	Все элементы верны: 4 трубы, красно-белые полосы, текст баннера точен.
GPT-5.6 Sol (med)	9	8	9	8.9	Все три элемента верны.
GPT-5.6 Terra (low)	9	8	9	8.9	Все элементы верны и точны.
GPT-5.6 Terra (high)	9	8	9	8.9	4 трубы, красно-белые полосы и текст баннера прочитаны верно.
GPT-5.6 Luna (med)	9	8	9	8.9	4 трубы, полосы и текст баннера прочитаны корректно.
GPT-5.6 Luna (high)	9	8	9	8.9	Верно всё: 4 трубы, полосы, текст баннера.
diffusion-gemma	8	8	6	7.8	Всё верно по сути, но опечатка в тексте баннера («РОССИЙЙСКОМУ»).
GPT-5.6 Terra (med)	5	8	6	5.4	Трубы и полосы верны, но текст баннера искажён («Доверию россиян — качеству!»).
GPT-5.5 (medium)	4	8	9	4.9	Ошибка в числе труб (5 вместо 4), хотя баннер прочитан верно.
GPT-5.6 Sol (low)	4	8	9	4.9	Неверное число труб (5 вместо 4), баннер верен.
GPT-5.6 Luna (low)	4	8	9	4.9	Ошибка в числе труб (5 вместо 4), баннер прочитан верно.
Qwen3.6-35B-A3B-FP8	3	8	6	3.8	Трубы и полосы верны, но баннер прочитан искажённо и неверно («ДОБРО РОССИЙСКОМУ КАЧЕСТВУ»).
MiniMax-M3	3	7	6	3.7	Количество труб (4) и красно-белая полосатая окраска определены верно, но текст баннера полностью выдуман («ДОБРОГО ПУТИ, КОЛЛЕГИ!» вместо «ДОВЕРЯЮ РОССИЙСКОМУ КАЧЕСТВУ!») и подкреплён уверенным вымышленным объяснением. Оформление аккуратное, но в русском есть ошибка («благополучие»).
llama-scout	2	8	9	3.3	Верно 4 трубы и красно-белые полосы, но текст баннера полностью выдуман («Заплати налоги, проснись в России!»).
Nemotron-3-Nano-Omni-30B	2	8	9	3.3	Трубы и полосы верны, но текст баннера полностью выдуман («Больше нефти, новые технологии...»).
Qwen3.6-27B-FP8	2	8	7	3.1	Трубы и полосы верны, но текст баннера выдуман («ДОБРО ПОЖАЛОВАТЬ КАНЦЕЛЮ»).

Множество моделей дали полный верный ответ (4 трубы, красно-белые полосы, точный текст баннера); kimi-k2.6, gemma-4-31b, gpt-5.6-luna/terra и gpt-5.5-low среди лучших. Частые провалы — выдуманный текст баннера и ошибка в числе труб (5).

scene_банки_39efda7420 — Зона ожидания в банковском офисе

scene · промпт 456 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

Перед тобой интерьер помещения банка (3D-визуализация). Опиши, что это за зона и для чего она предназначена. Затем ответь на конкретные вопросы: 1) Какого цвета мягкая мебель (диван) в левой нижней части кадра? 2) Что лежит на низком деревянном журнальном столике в центре переднего плана? 3) Какая бытовая техника висит на стене слева и какого она цвета (в выключенном состоянии)? 4) Сколько матовых (непрозрачных) стеклянных дверей видно на стене справа?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все факты верны, развёрнутое и структурированное описание назначения зон.
gemma-4-31b	10	9	10	9.9	Все 4 факта верны, чёткая и краткая структура.
GPT-5.5 (low)	10	9	10	9.9	Все факты верны, лаконично и корректно.
GPT-5.5 (medium)	10	9	10	9.9	Все факты верны, ясный и точный ответ.
GPT-5.6 Sol (low)	10	9	10	9.9	Все факты верны, хорошее краткое описание зоны.
GPT-5.6 Sol (med)	10	9	10	9.9	Все факты верны, развёрнутое и точное описание назначения зоны.
GPT-5.6 Terra (low)	10	9	10	9.9	Все факты верны, явно указано, что двери справа.
GPT-5.6 Terra (med)	10	9	10	9.9	Все факты верны, ясный и точный ответ.
GPT-5.6 Terra (high)	10	9	10	9.9	Все факты верны, чётко и корректно.
GPT-5.6 Luna (low)	10	9	10	9.9	Все факты верны, кратко и корректно.
GPT-5.6 Luna (med)	10	9	10	9.9	Все факты верны, ясный ответ.
llama-scout	10	9	9	9.8	Все 4 факта верны, подробное описание зоны. Небольшая англоязычная вставка (reception area) снижает русский.
GPT-5.6 Luna (high)	10	8	10	9.8	Все факты верны, но описание зоны очень краткое.
diffusion-gemma	10	8	8	9.6	Факты верны, но арабский символ в тексте и мелкие огрехи оформления.
Nemotron-3-Nano-Omni-30B	10	6	8	9.4	Все 4 ответа верны, но крайне лаконично, без описания зоны и анализа.
Qwen3.6-27B-FP8	9	9	10	9.1	Факты верны, но неточность про расположение второй двери (на задней стене рядом с телевизором), тогда как обе двери справа.
MiniMax-M3	8	9	9	8.2	Все четыре ключевых факта названы верно (красный диван, журналы, чёрный ТВ, две матовые двери), зона определена правильно. Снижение за две мелкие неточности: рамка телевизора описана как «тонкая светлая», хотя корпус чёрный, и двери названы раздвижными, тогда как это распашные двери с ручками.
Kimi K2.6	6	9	10	6.7	Ошибка в п.4: указана одна дверь вместо двух. Остальные факты верны, описание качественное.

Почти все модели верно назвали 4 факта; 35b-a3b даёт наиболее развёрнутое и структурированное описание при полной корректности. Kimi ошиблась в числе дверей, nemotron слишком лаконичен.

scene_промышленность_aee80a1459 — Старый металлургический завод-музей с паровозом

scene · промпт 456 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.0/10

▸Промпт задачи

Перед вами фотография промышленной площадки под открытым небом. Опишите, что это за объект, и ответьте на конкретные вопросы: 1) Какое транспортное средство стоит на рельсах в центре снимка и какого оно цвета? 2) Какие крупные металлические сооружения видны слева и в каком они состоянии (по цвету/поверхности)? 3) Какое сейчас время года и по каким двум визуальным признакам это понятно? 4) Что находится в правой части кадра на заднем плане (за оградой)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Точно: чёрный паровоз с жёлтыми полосами, ржаво-рыжие башни, голые деревья+сухая трава, дорога с авто, столбы, здания и граффити. Наиболее полный ответ.
MiniMax-M3	9	9	9	9.0	Все четыре обязательных факта верны: чёрный паровоз, ржаво-рыжие доменные печи и цилиндрические ёмкости слева, ранняя весна по голым деревьям и сухой траве, дорога с машинами и застройка за оградой с граффити. Небольшие домыслы (серия паровоза «36», локомотив «на эстакаде») слегка снижают точность.
Kimi K2.6	9	9	9	9.0	Точно: тёмный паровоз со светлой панелью, рыже-охристые кауперы/печи, голые деревья и бурая трава, дорога с авто и граффити. Полно и грамотно.
gemma-4-31b	8	9	9	8.2	Чётко: чёрный паровоз, рыже-коричневая ржавчина, голые деревья и сухая трава, дорога с авто и здания. Не упомянуто граффити.
Qwen3.6-27B-FP8	8	9	8	8.1	Тёмно-серый/чёрный паровоз, ярко-ржавые колонны, ранняя весна, дорога с авто и граффити — всё верно, полно и структурно.
GPT-5.5 (low)	8	8	9	8.1	Тёмный/чёрный локомотив, ржаво-коричневые ёмкости, ранняя весна, городская дорога с авто и здания — всё верно, кратко и ясно.
GPT-5.5 (medium)	8	8	9	8.1	Чёрный паровоз, ржаво-коричневые резервуары, межсезонье с сухой растительностью, дорога с авто и здания — точно и внятно.
GPT-5.6 Sol (low)	8	8	9	8.1	Чёрный паровоз, рыже-красная ржавчина, ранняя весна, городская дорога с авто и здания — всё верно.
GPT-5.6 Sol (med)	8	8	9	8.1	Старинный чёрный паровоз, красно-коричневые заржавевшие резервуары, ранняя весна, дорога с авто и здания — точно и ясно.
GPT-5.6 Terra (low)	8	8	9	8.1	Преимущественно чёрный паровоз, рыже-коричневая ржавчина, ранняя весна, дорога с авто и здания — всё верно.
GPT-5.6 Terra (med)	8	8	9	8.1	Чёрный паровоз, рыже-бурые ржавые резервуары/печи, ранняя весна, дорога с авто — точно и внятно.
GPT-5.6 Terra (high)	8	8	9	8.1	Чёрный паровоз, ржаво-коричневые печи, ранняя весна, дорога с авто — верно, лаконично; здания не упомянуты.
GPT-5.6 Luna (low)	8	8	9	8.1	Чёрный/тёмно-серый паровоз, красно-коричневые ржавые сооружения, весна, дорога с авто и здания — всё верно, кратко.
GPT-5.6 Luna (med)	8	8	9	8.1	Тёмно-серый/чёрный паровоз, ржавые доменные печи, весна с сухой травой, дорога с авто и здания — точно.
GPT-5.6 Luna (high)	8	8	9	8.1	Тёмно-серый/чёрный паровоз, рыже-коричневая ржавчина, ранняя весна, дорога с авто и здания — верно и чисто.
Nemotron-3-Nano-Omni-30B	8	8	8	8.0	Чёрный паровоз, ржаво-красные башни, голые деревья и сухая трава, дорога с авто и здания — всё верно и структурно.
diffusion-gemma	7	8	8	7.2	Чёрный паровоз, ржавые печи, дорога с авто — верно; выдумка про 'проступающие почки' слегка снижает точность.
llama-scout	4	8	6	4.6	Назвал паровоз серым — ошибка в обязательном факте (он чёрный). Остальное (ржавые печи, межсезонье, дорога) верно, но вставки на английском (rusty-red) портят русский.

Почти все модели верно определили чёрный паровоз, ржаво-рыжие печи, межсезонье и дорогу с городом. Лидируют 35b-a3b и kimi-k2.6 за полноту (жёлтые полосы, граффити, столбы). llama-scout провалил цвет паровоза (серый).

scene_стройка_34e4efd4f4 — Подсчёт кранов на стройплощадке

scene · промпт 344 симв. · Победитель: MiniMax-M3 · 9.1/10

▸Промпт задачи

Перед вами фотография крупной строительной площадки. Опишите, что строится и в какое время года ведутся работы. Затем ответьте на конкретный вопрос: сколько ЖЁЛТЫХ мобильных автокранов (на колёсном/гусеничном шасси, с телескопической стрелой) видно на переднем плане, и какой по цвету грузовик стоит в центре снимка, перевозя бетонные элементы?

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	9	10	9.1	Все ключевые факты верны: зима, промышленный стальной каркас, два жёлтых автокрана на переднем плане и оранжево-красный грузовик с ЖБ-элементами. Обоснования конкретны и опираются на видимые детали; минус лишь за размытую формулировку цвета кабины (оранжево-красная) вместо чистого оранжевого.
Qwen3.6-35B-A3B-FP8	9	8	9	8.9	2 жёлтых крана и оранжевый грузовик верны, зима и стальной каркас распознаны точно и подробно.
gemma-4-31b	9	8	9	8.9	Оба ключевых факта верны (2 крана, оранжевый грузовик), зима и промышленный каркас определены точно.
Kimi K2.6	9	8	9	8.9	Оба факта верны (2 крана, оранжевый грузовик), зима и промышленный комплекс распознаны точно.
diffusion-gemma	9	8	8	8.8	2 жёлтых крана и оранжевый грузовик верны, зима и рабочие в тёплой одежде подмечены корректно.
Nemotron-3-Nano-Omni-30B	8	8	8	8.0	Итог верен: 2 крана и оранжевый грузовик, хотя формулировка про кран «на грузовике» слегка путаная.
GPT-5.5 (low)	6	7	8	6.3	Кранов 2 и зима верно, но грузовик назван светло-серым/белым — ошибка по цвету.
GPT-5.5 (medium)	6	7	8	6.3	2 крана и зима верны, цвет грузовика (серый) определён неверно — он оранжевый.
GPT-5.6 Sol (low)	6	7	8	6.3	Кранов 2 и зима верно, но цвет грузовика (серый) не соответствует оранжевому.
GPT-5.6 Sol (med)	6	7	8	6.3	2 крана и зима верны, грузовик ошибочно назван серым.
GPT-5.6 Terra (low)	6	7	8	6.3	2 крана и зима верны, но грузовик назван светло-серым — цвет неверен.
GPT-5.6 Terra (med)	6	7	8	6.3	Кранов 2 и зима верно, грузовик ошибочно назван светло-серым/белым.
GPT-5.6 Luna (low)	6	7	8	6.3	Кранов 2 и зима верно, цвет грузовика (серый) неверен.
GPT-5.6 Luna (med)	6	7	8	6.3	2 крана и зима верны, грузовик ошибочно назван серым.
GPT-5.6 Luna (high)	6	7	8	6.3	2 крана и зима верны, но грузовик назван серым — цвет ошибочен.
Qwen3.6-27B-FP8	5	8	7	5.5	Кранов 2 и зима верно, но цвет грузовика назван красным — ошибка; есть опечатка «стальноым».
llama-scout	2	7	8	3.1	Зима и промышленный характер верны, но количество кранов (3) и цвет грузовика (красный) — обе ключевые ошибки.
GPT-5.6 Terra (high)	1	7	8	2.3	Обе ключевые ошибки: 3 крана вместо 2 и зелёный грузовик вместо оранжевого.

Победители по обоим ключевым фактам (2 жёлтых крана + оранжевый грузовик): 35b-a3b, gemma-4-31b, kimi-k2.6, diffusion-gemma; выбран 35b-a3b за точность и детальность. Большинство GPT-5.6 верно назвали 2 крана, но ошиблись с цветом грузовика (серый), terra-high и llama-scout провалили оба факта.

scene_нефтегаз_9c3dc66528 — Нефтегазовый комплекс на закате

scene · промпт 394 симв. · Победитель: gemma-4-31b · 7.3/10

▸Промпт задачи

Перед тобой аэрофотоснимок промышленного объекта. Опиши, что это за объект и в какое время суток сделан снимок. Затем ответь на конкретные вопросы: (1) Какой самый высокий объект на территории комплекса и где он расположен в кадре? (2) Какого цвета крыша у большого здания-ангара справа? (3) Какой формы крупный резервуар (ёмкость) стоит на переднем плане в левом нижнем углу и какого он цвета?

Модель	C	F	Ru	Σ	Комментарий судьи
gemma-4-31b	7	8	9	7.3	Единственный, кто указал купольный/полусферический верх резервуара, остальное верно; частично засчитана форма.
GPT-5.6 Luna (high)	7	8	9	7.3	Указал округлую верхнюю часть резервуара, синяя крыша и башня верны; частично зачтена форма.
Nemotron-3-Nano-Omni-30B	7	7	8	7.1	Допустил возможность купола у резервуара, крыша синяя, башня верно; частично зачтена форма.
Qwen3.6-27B-FP8	6	8	9	6.5	Верно определил ГПЗ, закат, высокую башню и синюю крышу, но резервуар назвал цилиндрическим, а он сферический/куполообразный.
Qwen3.6-35B-A3B-FP8	6	8	9	6.5	Хорошее развёрнутое описание, всё верно кроме формы резервуара (цилиндр вместо сферы).
Kimi K2.6	6	8	9	6.5	Всё верно кроме формы резервуара (цилиндр вместо сферы); хороший русский и структура.
GPT-5.6 Sol (low)	6	8	9	6.5	Тёмно-синяя крыша и башня верны, резервуар назван вертикальным цилиндром (ошибка формы).
GPT-5.6 Sol (med)	6	8	9	6.5	Аналогично: всё верно кроме цилиндрической формы резервуара вместо сферической.
GPT-5.6 Terra (low)	6	8	9	6.5	Корректно кроме формы резервуара (цилиндр вместо сферы).
GPT-5.6 Terra (med)	6	8	9	6.5	Всё верно за исключением цилиндрической формы резервуара вместо сферической.
GPT-5.6 Terra (high)	6	8	9	6.5	Башня и тёмно-синяя крыша верны, резервуар цилиндрический (ошибка формы).
GPT-5.6 Luna (low)	6	8	9	6.5	Синяя крыша и башня верны, резервуар назван цилиндрическим (ошибка формы).
GPT-5.6 Luna (med)	6	8	9	6.5	Корректно про объект, закат, башню и синюю крышу; резервуар цилиндрический (ошибка).
llama-scout	6	8	8	6.4	Объект, закат, башня и синяя крыша верны; резервуар назван цилиндрическим (ошибка формы).
GPT-5.5 (medium)	6	8	8	6.4	Аналогично: крыша сине-серая, резервуар назван цилиндрическим, прочее корректно.
GPT-5.5 (low)	6	7	8	6.3	Крыша описана как синевато-серая (менее точно), резервуар цилиндрический; остальное верно.
diffusion-gemma	6	7	6	6.1	Суть верна, но резервуар цилиндрический (ошибка) и заметны опечатки в русском.
MiniMax-M3	5	8	9	5.7	Верно определён тип объекта (нефтегаз/нефтехимия), решётчатая башня в центре сверху как самый высокий объект и тёмно-синяя крыша ангара справа, но время суток в итоге названо неверно (вывод про восход вместо заката) и форма резервуара слева внизу описана как цилиндрическая вместо сферической/куполообразной. Структура и русский язык хорошие.

Почти все модели верно определили НПЗ/ГПЗ, закат, высокую башню сверху и синюю крышу, но ошиблись в форме резервуара (цилиндр вместо сферы). gemma-4-31b единственная указала куполообразный верх, поэтому лидирует.

scene_нефтегаз_8fceae9cc8 — Самые высокие объекты НПЗ

scene · промпт 385 симв. · Победитель: gemma-4-31b · 9.9/10

▸Промпт задачи

Перед вами фотография промышленной площадки нефтеперерабатывающего завода. Опишите, какие объекты являются самыми высокими на снимке и сколько их выделяется на переднем плане. Затем ответьте на конкретный вопрос: сколько самых высоких вертикальных колонн (ректификационных башен) явно доминируют над остальной застройкой в передней части кадра, и какая погода/состояние неба на снимке?

Модель	C	F	Ru	Σ	Комментарий судьи
gemma-4-31b	10	9	10	9.9	Точно: 2 доминирующие колонны и ясное безоблачное небо, чётко структурировано.
GPT-5.5 (medium)	10	9	10	9.9	Точно 2 колонны и ясное небо, детальное и верное описание установки.
Kimi K2.6	10	9	10	9.9	Полно и точно: 2 доминирующие колонны, безоблачное синее небо, хорошее описание деталей.
GPT-5.6 Sol (med)	10	9	10	9.9	Точно 2 колонны и ясное голубое небо, хорошее описание конструкций.
diffusion-gemma	10	9	9	9.8	Верно указал 2 колонны и чистое синее небо, ответ ясный и корректный.
GPT-5.5 (low)	10	8	10	9.8	Правильно: 2 колонны (слева и в центре) и ясное синее небо, точное описание.
GPT-5.6 Sol (low)	10	8	10	9.8	Верно: 2 колонны, ясная солнечная погода, голубое небо.
GPT-5.6 Terra (low)	10	8	10	9.8	Правильно: 2 колонны, ясное небо, солнечная погода, лаконично.
GPT-5.6 Terra (med)	10	8	10	9.8	Точно: 2 колонны и ясное ярко-голубое небо.
GPT-5.6 Terra (high)	10	8	10	9.8	Верно: 2 колонны и ясное безоблачное синее небо.
GPT-5.6 Luna (med)	10	8	10	9.8	Точно: 2 доминирующие колонны и ясное безоблачное небо.
GPT-5.6 Luna (high)	10	8	10	9.8	Верно: 2 колонны и ясное безоблачное небо, кратко и точно.
MiniMax-M3	9	9	9	9.0	Оба ключевых пункта верны: 2 доминирующие ректификационные колонны левее центра и ясное безоблачное синее небо; корректно опознан НПЗ и второстепенные детали (трубы, эстакады, кирпичные корпуса). Небольшая вольность — догадка про спаренный реакторный блок крекинга/риформинга, не проверяемая по кадру.
GPT-5.6 Luna (low)	9	7	10	8.9	Правильно указаны 2 колонны и ясное небо, но очень кратко без явной формулировки числа.
Nemotron-3-Nano-Omni-30B	9	6	1	7.9	Факты верны (2 башни, ясное небо), но ответ на английском — русский отсутствует.
Qwen3.6-35B-A3B-FP8	3	8	9	4.1	Верно назвал НПЗ и колонны, небо ясное, но насчитал 3 доминирующих башни вместо 2 — ошибка в ключевом факте.
Qwen3.6-27B-FP8	3	7	9	4.0	Сам увидел пару левых башен как две, но итоговый ответ — 3 доминирующие колонны, что неверно; небо описано верно.
llama-scout	2	7	9	3.2	Правильно небо и тип объектов, но назвал 4 доминирующие колонны — грубая ошибка в числе.

Правильный ответ — 2 доминирующие передние колонны и ясное безоблачное небо; kimi-k2.6 дал полное, точное и хорошо структурированное описание. Модели с числом 3-4 (35b-a3b, 27b-v2, llama-scout) ошиблись.

Таблицы

table_банки_1800a08500 — Разница стоимости обслуживания: тариф «Все, что надо»

table · промпт 294 симв. · Победитель: GPT-5.6 Sol (low) · 10.0/10

▸Промпт задачи

На изображении показана таблица тарифов банковского обслуживания. Для тарифа «Все, что надо» найдите два значения: «Стоимость обслуживания в месяц» и «Стоимость в месяц при оплате сразу за год». На сколько рублей второе значение меньше первого? Укажите оба исходных значения и итоговую разницу.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Sol (low)	10	10	10	10.0	Верно, аккуратное форматирование чисел с разрядами и явный расчёт.
Qwen3.6-27B-FP8	10	9	10	9.9	Оба значения и разница верны, показан расчёт, чёткая структура.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верные значения и разница, аккуратная структура с расчётом.
gemma-4-31b	10	9	10	9.9	Правильный ответ, показан расчёт, ясное оформление.
GPT-5.5 (low)	10	9	10	9.9	Все значения и разница верны, компактно и ясно.
GPT-5.5 (medium)	10	9	10	9.9	Верный ответ с расчётом, аккуратная структура.
Kimi K2.6	10	9	10	9.9	Правильно, показан расчёт, ясная нумерованная структура.
GPT-5.6 Sol (med)	10	9	10	9.9	Правильные значения и разница, показан расчёт.
GPT-5.6 Terra (low)	10	9	10	9.9	Все значения и разница верны, лаконично.
GPT-5.6 Terra (med)	10	9	10	9.9	Правильно, показан расчёт, ясное оформление.
GPT-5.6 Terra (high)	10	9	10	9.9	Верный ответ с расчётом, чёткая структура.
GPT-5.6 Luna (low)	10	9	10	9.9	Все значения и разница верны, лаконично.
GPT-5.6 Luna (med)	10	9	10	9.9	Верно, добавлено уточнение какое значение меньше.
GPT-5.6 Luna (high)	10	9	10	9.9	Верный ответ, кратко; расчёт явно не показан.
diffusion-gemma	10	9	9	9.8	Верно, указал крайний правый столбец; мелкий повтор слова 'следующие'.
MiniMax-M3	10	8	10	9.8	Оба значения (9900 ₽ и 7425 ₽) считаны верно, разница 2475 ₽ правильная; дополнительный расчёт годовой экономии 29 700 ₽ тоже корректен. Формат ясный, но LaTeX-формула и лишняя таблица избыточны для простого ответа.
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Значения верны, но без показа вычитания и минимум структуры.
llama-scout	10	7	9	9.6	Все значения верны, но LaTeX-разметка ($...$) выглядит неуместно в русском тексте.

Все 17 моделей дали верный ответ (9900 ₽, 7425 ₽, разница 2475 ₽); sol-low лучше всех по оформлению чисел и явному расчёту.

table_банки_2c2308aad9 — График платежей по кредиту: разница в переплате

table · промпт 461 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На изображении показан расчёт графика платежей по кредиту с двумя вариантами: «Вариант 1 — Равные ежемесячные платежи» и «Вариант 2 — Убывающие ежемесячные платежи». В каждом варианте в строке «Итого:» указана сумма по столбцу «Погашение процентов». Чему равно итоговое «Погашение процентов» для Варианта 1 и для Варианта 2, и на сколько рублей итоговая переплата по процентам в Варианте 1 больше, чем в Варианте 2? Приведите оба итоговых значения и их разницу.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Оба итоговых значения по столбцу «Погашение процентов» (16 506,76 и 16 141,66 ₽) считаны верно, разница 365,10 ₽ посчитана правильно. Ответ чётко структурирован, русский безупречен; анализ минимально необходимый, без лишних пояснений.
Qwen3.6-27B-FP8	10	9	10	9.9	Верные значения и разница, аккуратное оформление и хороший русский.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все значения верны, дан корректный вывод про аннуитет/дифференцированный платёж. Ясно и грамотно.
gemma-4-31b	10	9	10	9.9	Оба итога и разница 365,10 верны, ясная нумерованная структура.
GPT-5.5 (low)	10	9	10	9.9	Верные значения и разница, лаконично и корректно.
GPT-5.5 (medium)	10	9	10	9.9	Все значения точны, ясное краткое оформление.
Kimi K2.6	10	9	10	9.9	Все значения верны, отмечено округление до 365,1, отличное оформление и русский.
GPT-5.6 Sol (low)	10	9	10	9.9	Все значения точны, кратко и ясно.
GPT-5.6 Sol (med)	10	9	10	9.9	Верные значения с пояснением к разнице, аккуратно.
GPT-5.6 Terra (high)	10	9	10	9.9	Оба итога и разница 365,10 верны, ясно сформулировано.
GPT-5.6 Luna (low)	10	9	10	9.9	Оба итога и разница верны, чёткий список.
GPT-5.6 Luna (med)	10	9	10	9.9	Верные значения и разница, лаконично.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные значения и разница, кратко и ясно.
llama-scout	10	9	9	9.8	Оба значения и разница верны (16 506,76 / 16 141,66 / 365,10). Чёткая структура, немного избыточное дублирование с LaTeX.
GPT-5.6 Terra (low)	10	8	10	9.8	Верные значения и разница, простое корректное оформление.
GPT-5.6 Terra (med)	10	8	10	9.8	Все значения точны, кратко и понятно.
Nemotron-3-Nano-Omni-30B	10	4	6	9.0	Значения верны (16 506,76 / 16 141,66 / 365,10), но ответ голыми числами без пояснений и структуры.
diffusion-gemma	1	8	9	2.5	Выдумано значение Варианта 2 (16 441,66 вместо 16 141,66) и неверная разница 65,10. Грубая ошибка распознавания.

Подавляющее большинство моделей дали верные итоги (16 506,76 / 16 141,66) и разницу 365,10 ₽. Kimi и 35b-a3b выделяются полнотой пояснений; diffusion-gemma выдумала значение и провалила задачу.

table_банки_5c56ae1fbc — Стоимость обслуживания карты по пакетам банка

table · промпт 430 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении показана таблица «Описание и тарифы – пакетные условия» банка «Банк Кредит Днепр» с тремя пакетами: «Экономный», «Оптимальный» и «Престижный». Посмотрите на строку 3 «Ежемесячное обслуживание основной ПК». Укажите для каждого из трёх пакетов первое (платное) значение ежемесячного обслуживания в UAH. Затем вычислите, на сколько UAH ежемесячное обслуживание по пакету «Престижный» дороже, чем по пакету «Экономный».

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Точно указаны все значения и разница 28 UAH, чёткая структура и хороший русский.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верные значения 7/15/35 и разница 28 UAH, аккуратное оформление и корректный русский.
gemma-4-31b	10	9	10	9.9	Все данные и итог 28 UAH правильны, ясная структура и грамотный русский.
GPT-5.5 (low)	10	9	10	9.9	Кратко и точно: 7/15/35 и разница 28 UAH, чистая структура.
GPT-5.5 (medium)	10	9	10	9.9	Верные значения и разница 28 UAH, лаконичное и ясное оформление.
MiniMax-M3	10	9	10	9.9	Все три значения (7,00 / 15,00 / 35,00 UAH) считаны верно, разница 28,00 UAH вычислена правильно. Формат таблицей ясный, минус — LaTeX-выражение $$ вместо обычного текста и отсутствие упоминания оговорки про 0,00 UAH.
Kimi K2.6	10	9	10	9.9	Полный корректный ответ со всеми значениями и разницей 28 UAH, отличная структура и русский.
GPT-5.6 Sol (low)	10	9	10	9.9	Корректные значения и разница 28 UAH с показанным вычислением 35−7.
GPT-5.6 Sol (med)	10	9	10	9.9	Верный ответ с явной формулой 35−7=28 UAH, чистая структура.
GPT-5.6 Terra (low)	10	9	10	9.9	Все значения и итог 28,00 UAH правильны, ясная краткая подача.
GPT-5.6 Terra (high)	10	9	10	9.9	Значения 7/15/35 и разница 28,00 UAH верны, аккуратное краткое оформление.
GPT-5.6 Luna (low)	10	9	10	9.9	Верный ответ с разницей 28 UAH, чёткое краткое оформление.
GPT-5.6 Luna (med)	10	9	10	9.9	Все значения и итог 28 UAH правильны, лаконичная ясная подача.
GPT-5.6 Luna (high)	10	9	10	9.9	Значения 7/15/35 и разница 28 UAH верны; кратко, без явного показа вычисления.
GPT-5.6 Terra (med)	10	8	10	9.8	Верные значения и разница 28,00 UAH; строка значений в одну линию чуть менее наглядна.
llama-scout	10	8	9	9.7	Все три значения (7/15/35) и разница 28 UAH верны; структура хорошая, но избыточные LaTeX-доллары немного вредят читаемости.
diffusion-gemma	10	8	8	9.6	Итоговые значения и разница 28 UAH верны, но пояснение к вычитанию искажено («вычтем из второго значения второе»).
Nemotron-3-Nano-Omni-30B	10	3	5	8.8	Числа 7/15/35 и 28 верны, но ответ голый список без пояснений, структуры и текста на русском.

Почти все модели дали точный ответ (7/15/35 UAH, разница 28 UAH); слабее лишь nemotron-omni (голый список) и diffusion-gemma (искажённое пояснение).

table_банки_c0d69d8d00 — Снятие наличных по тарифам банка

table · промпт 396 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении показана таблица банковских услуг с тремя тарифами: «Лоукост», «Эконом» и «Бизнес». Посмотрите на строку «Снятие наличных без комиссии в любых банкоматах и бесплатные переводы физлицам, кроме возвратов займов и дивидендов». Какие лимиты бесплатного снятия наличных в месяц указаны для каждого из трёх тарифов? На сколько рублей лимит тарифа «Бизнес» больше лимита тарифа «Лоукост»?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Верно указаны лимиты и разница со ссылкой на нужную строку.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Точные значения и правильная разница 200 000 ₽, чистая структура.
gemma-4-31b	10	9	10	9.9	Все данные корректны, разница показана с вычислением.
diffusion-gemma	10	9	10	9.9	Полный точный ответ с цитированием строки и вычислением разницы.
GPT-5.5 (low)	10	9	10	9.9	Все значения и разница верны, лаконично и ясно.
GPT-5.5 (medium)	10	9	10	9.9	Корректные лимиты и разница 200 000 ₽.
MiniMax-M3	10	9	10	9.9	Все три лимита (100 000 / 200 000 / 300 000 ₽ в месяц) и разница 200 000 ₽ определены верно, полностью совпадает с картинкой и эталоном. Русский безупречен; формат ясный (таблица + расчёт), лишь два заголовка H1 вместо иерархии — мелочь.
Kimi K2.6	10	9	10	9.9	Точные значения, правильная разница и цитата строки.
GPT-5.6 Sol (low)	10	9	10	9.9	Все значения и разница верны.
GPT-5.6 Luna (low)	10	9	10	9.9	Корректный полный ответ.
GPT-5.6 Luna (med)	10	9	10	9.9	Корректный полный ответ.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные лимиты и разница, чисто оформлено.
llama-scout	10	9	9	9.8	Все три значения и разница верны; LaTeX-обёртка чисел слегка портит читаемость.
GPT-5.6 Sol (med)	10	8	10	9.8	Верно, но чуть менее структурировано (значения в строку).
GPT-5.6 Terra (low)	10	8	10	9.8	Верный ответ в компактной форме.
GPT-5.6 Terra (med)	10	8	10	9.8	Верный ответ в компактной форме.
GPT-5.6 Terra (high)	10	8	10	9.8	Корректные лимиты и разница, компактный формат.
Nemotron-3-Nano-Omni-30B	8	6	1	7.1	Числа и разница верны, но ответ на английском с искажённым переводом заголовка ('Slightly low-cost calls').

Почти все модели дали идеально верный ответ (100 000/200 000/300 000 ₽, разница 200 000 ₽); nemotron-omni отстаёт из-за английского и искажённого перевода.

table_банки_ffae1c7e4e — Сумма стоимости тарифов в месяц

table · промпт 311 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении показана таблица банковских тарифов для бизнеса с тремя тарифными планами. В столбце «Стоимость тарифа в месяц» указана ежемесячная плата по каждому из трёх тарифов. Сложите стоимость всех трёх тарифов и укажите итоговую сумму в рублях за месяц. В ответе приведите числа по каждому тарифу и итог.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Верные значения и итог 6 600 руб., чёткий список с формулой.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все три значения верны, сумма 6 600 руб. Полная структура с разбивкой и итогом.
GPT-5.5 (low)	10	10	10	10.0	Верные значения и формула, итог 6 600 руб., ясно и структурированно.
GPT-5.5 (medium)	10	10	10	10.0	Верно 6 600 руб., значения перечислены, но формула сложения не показана.
Kimi K2.6	10	10	10	10.0	Верные значения, формула и итог 6 600 руб., хорошо оформлено.
GPT-5.6 Luna (med)	10	10	10	10.0	Верные значения и итог 6 600 руб., чистая структура без формулы.
gemma-4-31b	10	9	10	9.9	Верно 6 600 руб., но не показана явная формула сложения.
MiniMax-M3	10	9	10	9.9	Все три значения столбца стоимости считаны верно (1200/2200/3200) и корректно просуммированы в 6 600 руб. Ответ структурирован, показан расчёт, русский язык безупречен.
GPT-5.6 Terra (low)	10	9	10	9.9	Верно 6 600 руб., полные названия тарифов, но без формулы.
GPT-5.6 Terra (med)	10	9	10	9.9	Верно 6 600 руб., названия сокращены, без явной формулы.
GPT-5.6 Terra (high)	10	9	10	9.9	Верные значения и итог 6 600 руб., без явной строки сложения.
GPT-5.6 Luna (low)	10	9	10	9.9	Верно 6 600 руб., аккуратный список без явной формулы сложения.
GPT-5.6 Luna (high)	10	9	10	9.9	Верно 6 600 руб., но нет явной формулы, названия тарифов сокращены.
llama-scout	10	9	9	9.8	Верно 6 600 руб. Использование LaTeX-разметки ($$) немного лишнее, но структура ясная.
GPT-5.6 Sol (low)	10	8	10	9.8	Итог верный 6 600 руб. с формулой, но значения не привязаны к названиям тарифов.
GPT-5.6 Sol (med)	10	8	10	9.8	Итог верный 6 600 руб. с формулой, но без разбивки по названиям тарифов.
diffusion-gemma	10	9	8	9.7	Верно 6 600 руб., опечатка «представному» снижает качество русского.
Nemotron-3-Nano-Omni-30B	10	6	9	9.5	Итог верный 6 600 руб., но ответ предельно сжатый без привязки значений к тарифам.

Все модели дали верный итог 6 600 руб. Лучшие — с полной разбивкой, названиями и формулой (35b-a3b, 27b-v2, kimi, gpt-5.5-low).

table_банки_882ae3932c — График платежей по кредиту: чтение и расчёт

table · промпт 461 симв. · Победитель: llama-scout · 10.0/10

▸Промпт задачи

На изображении показан график платежей по банковскому кредиту. Ответьте на три вопроса, опираясь только на данные таблицы: 1) Какая сумма платежа «По процентам за пользование кредитом» указана в строке № 2 (дата 17.03.2014)? 2) В какой строке (укажите номер п/п и дату) сумма «По кредиту» равна 0.00? 3) Чему равен ИТОГО платежа в строке № 2? Проверьте, что он совпадает с суммой столбцов «По кредиту» и «По процентам» для этой же строки, и приведите эту сумму.

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	10	10	10	10.0	Все три ответа верны (3745.11, стр.3 06.04.2014, 20000.00), с проверкой сложения. Чёткая структура.
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью верно, с проверкой 16254.89+3745.11=20000.00.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все значения точны, приведена проверка суммы. Ясный ответ.
gemma-4-31b	10	9	10	9.9	Все три пункта верны, проверка приведена. Хороший русский.
GPT-5.5 (low)	10	9	10	9.9	Верные значения и проверка, лаконично и ясно.
GPT-5.5 (medium)	10	9	10	9.9	Все ответы точны, проверка приведена. Аккуратный формат.
MiniMax-M3	10	9	10	9.9	Все три ответа полностью совпадают с данными таблицы (3745.11; строка № 3 от 06.04.2014; ИТОГО 20000.00), проверка суммы выполнена корректно. Оформление ясное, русский язык безупречный; мелкий минус за избыточную жирную разметку и эмодзи-галочку.
Kimi K2.6	10	9	10	9.9	Верно, аккуратно указано соответствие запятой и точки в форматах чисел.
GPT-5.6 Sol (low)	10	9	10	9.9	Верно, подписаны столбцы, приведена проверка.
GPT-5.6 Sol (med)	10	9	10	9.9	Все три пункта точны с проверкой суммы. Ясная структура.
GPT-5.6 Terra (med)	10	9	10	9.9	Верно, подписаны столбцы и приведена проверка. Хорошая структура.
diffusion-gemma	10	9	7	9.6	Данные верны и проверка есть, но опечатка «отдата» портит русский.
GPT-5.6 Terra (low)	10	7	9	9.6	Все ответы верны с проверкой, лаконичный формат.
GPT-5.6 Terra (high)	10	7	9	9.6	Верные значения и проверка, но очень сжато.
GPT-5.6 Luna (low)	10	7	9	9.6	Верно и с проверкой, но лаконично.
GPT-5.6 Luna (med)	10	7	9	9.6	Все ответы точны с проверкой, минимальный формат.
GPT-5.6 Luna (high)	10	7	9	9.6	Все три значения верны с проверкой, но очень сжато, без подписей столбцов.
Nemotron-3-Nano-Omni-30B	10	6	8	9.4	Все значения верны и проверка есть, но крайне телеграфно, без пояснений.

Все модели дали точные ответы; победитель — llama-scout за максимально полное и структурированное изложение с проверкой.

table_дата-аналитика_0325885360 — Подсчёт количества по продавцам в сводной таблице

table · промпт 445 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении показана сводная таблица Excel с продажами автомобилей по трём продавцам. В столбце «Количество по полю Марка, модель» (крайний правый столбец C) указаны итоговые значения для каждого продавца. Назовите количество (значение из этого столбца) для каждого из трёх продавцов — Соколов П., Тригубов М. и Шолоков Г. Затем сложите эти три числа и сравните полученную сумму со значением в строке «Общий итог». Сходится ли сумма с итогом?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Точно указаны значения, строки и итог, сумма 36 сходится. Отличная структура.
diffusion-gemma	10	10	10	10.0	Правильные значения, ссылка на ячейку C38, сумма 36 сходится. Хорошая подача.
MiniMax-M3	10	10	10	10.0	Все три значения из столбца C прочитаны верно (14, 8, 14), сумма 36 совпадает с «Общим итогом» 36 — вывод правильный. Ответ чётко структурирован таблицей и блоком проверки, русский безупречен.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три числа и сумма верны, итог 36 подтверждён. Ясно и лаконично.
gemma-4-31b	10	9	10	9.9	Верные числа 14, 8, 14, сумма 36 = итог. Коротко и ясно.
Kimi K2.6	10	9	10	9.9	Все значения и сумма верны, итог 36 подтверждён. Ясная структура.
GPT-5.6 Sol (low)	10	9	10	9.9	Числа 14, 8, 14, сумма 36 сходится с итогом. Чётко.
GPT-5.6 Sol (med)	10	9	10	9.9	Верные значения и сумма 36, совпадение с итогом подтверждено.
llama-scout	10	9	9	9.8	Верно: 14, 8, 14, сумма 36 сходится с итогом 36. Чёткая структура, хотя LaTeX-разметка избыточна.
GPT-5.5 (low)	10	8	10	9.8	Верно назвал 14, 8, 14 и подтвердил совпадение 36. Минималистично, но полно.
GPT-5.5 (medium)	10	8	10	9.8	Числа и сумма верны, итог 36 подтверждён. Кратко и точно.
GPT-5.6 Terra (low)	10	8	10	9.8	Верные числа и сумма 36, сходится с итогом.
GPT-5.6 Terra (med)	10	8	10	9.8	Числа и сумма верны, итог 36 подтверждён. Лаконично.
GPT-5.6 Terra (high)	10	8	10	9.8	Правильно: 14, 8, 14, сумма 36 = итог. Кратко и точно.
GPT-5.6 Luna (low)	10	8	10	9.8	Правильные числа и сумма 36, совпадение с итогом подтверждено.
GPT-5.6 Luna (med)	10	8	10	9.8	Верно назвал значения и сумму 36, итог совпадает.
GPT-5.6 Luna (high)	10	8	10	9.8	Верно: 14, 8, 14, сумма 36 = итог. Лаконично и точно.
Nemotron-3-Nano-Omni-30B	1	4	9	2.1	Числа прочитаны верно, но сумма ошибочна (53 вместо 36) и итог спутан с процентами — вывод неверен.

Почти все модели верно прочитали 14, 8, 14, сумму 36 и совпадение с итогом; 27b-v2 и diffusion-gemma дали самую полную и структурированную подачу. Nemotron-omni провалился: сумма 53 и путаница с процентным итогом.

table_дата-аналитика_38ef3e2627 — Сводная таблица продаж авто: суммы по продавцам

table · промпт 543 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

Перед вами сводная таблица Excel с продажами автомобилей по продавцам. В таблице для каждого продавца есть строка-итог со столбцами «Сумма по полю Цена, руб.» и «Количество по полю Марка, модель». Ответьте на три вопроса: 1) У какого из трёх продавцов (Соколов П., Тригубов М., Шолохов Г.) наибольшая суммарная цена проданных авто и чему она равна? 2) На сколько рублей сумма у Тригубова М. больше суммы у Соколова П.? 3) Какое значение в строке «Общий итог» в столбце «Сумма по полю Цена, руб.» и в столбце «Количество по полю Марка, модель»?

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все три ответа полностью верны: Шолохов Г. 46 530 000 руб., разница 172 000 руб., общий итог 103 138 000 / 36. Чёткая структура с таблицей и явным сравнением, безупречный русский.
Qwen3.6-27B-FP8	10	9	10	9.9	Все значения верны, указаны номера строк и расчёты. Отличная подача.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все ответы точны, есть уместные пояснения и сравнения. Ясный русский.
gemma-4-31b	10	9	10	9.9	Правильные ответы с показанным вычитанием. Компактно и грамотно.
GPT-5.5 (low)	10	9	10	9.9	Точные ответы, показан расчёт разницы. Чётко и структурированно.
GPT-5.5 (medium)	10	9	10	9.9	Все три ответа верны и лаконичны, без явного расчёта, но корректно.
Kimi K2.6	10	9	10	9.9	Все значения точны, с пояснениями и расчётом. Отличное оформление.
GPT-5.6 Sol (low)	10	9	10	9.9	Все три ответа верны, чётко выделены значения. Грамотно.
GPT-5.6 Sol (med)	10	9	10	9.9	Точные ответы, ясная структура. Русский без ошибок.
GPT-5.6 Terra (low)	10	9	10	9.9	Все значения верны, общий итог разбит по столбцам. Чётко.
GPT-5.6 Terra (med)	10	9	10	9.9	Точные ответы, ясное структурирование. Русский без ошибок.
GPT-5.6 Terra (high)	10	9	10	9.9	Верные ответы, лаконично и понятно. Грамотный русский.
GPT-5.6 Luna (low)	10	9	10	9.9	Правильные ответы, компактно, без расчёта. Грамотно.
GPT-5.6 Luna (med)	10	9	10	9.9	Точные ответы, лаконичное оформление. Хороший русский.
GPT-5.6 Luna (high)	10	9	10	9.9	Все ответы верны и лаконичны. Ясный русский.
llama-scout	10	9	9	9.8	Все три ответа верны: Шолохов 46 530 000, разница 172 000, общий итог 103 138 000 / 36. Хорошее структурирование.
diffusion-gemma	10	9	9	9.8	Все ответы верны с расчётами; мелкая опечатка 'у у'. Русский хороший.
Nemotron-3-Nano-Omni-30B	3	6	6	3.6	Ошибка во втором ответе: 181 000 вместо 172 000; остальное верно, но очень сжато и без пояснений.

Почти все модели дали полностью верные ответы; 27b-v2 выделяется точностью с указанием строк и расчётов. Nemotron-omni ошибся в разнице (181 000 вместо 172 000).

table_дата-аналитика_5d676896b1 — Максимальная цена в таблице продаж авто

table · промпт 334 симв. · Победитель: Kimi K2.6 · 10.0/10

▸Промпт задачи

На изображении показана таблица Excel с продажами автомобилей (лист «продажи январь-март 2022»). В ней есть столбец «Цена, руб.». Найдите в этом столбце наибольшую цену среди всех видимых строк. Укажите: 1) саму максимальную цену (в рублях), 2) марку и модель автомобиля, которому она соответствует, и 3) год выпуска этого автомобиля.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	10	10	10.0	Верно, чётко структурировано, указана строка 4.
Qwen3.6-27B-FP8	10	9	10	9.9	Верный ответ с указанием строки 4, чёткая структура.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Всё верно, указана строка 4. Кратко, но с достаточным обоснованием.
gemma-4-31b	10	9	10	9.9	Все три пункта верны, ясно оформлено, без развёрнутого анализа.
GPT-5.5 (low)	10	9	10	9.9	Верно и лаконично, все три пункта на месте.
GPT-5.5 (medium)	10	9	10	9.9	Верно и лаконично, все три пункта на месте.
GPT-5.6 Sol (low)	10	9	10	9.9	Все три пункта верны, компактно.
GPT-5.6 Sol (med)	10	9	10	9.9	Все три пункта верны, компактно.
GPT-5.6 Terra (low)	10	9	10	9.9	Верный лаконичный ответ.
GPT-5.6 Terra (med)	10	9	10	9.9	Верный ответ, слегка иной формат изложения, всё точно.
GPT-5.6 Terra (high)	10	9	10	9.9	Верный лаконичный ответ.
GPT-5.6 Luna (low)	10	9	10	9.9	Верный краткий ответ, аккуратное оформление.
GPT-5.6 Luna (med)	10	9	10	9.9	Верный краткий ответ.
GPT-5.6 Luna (high)	10	9	10	9.9	Все три пункта верны, лаконично и ясно.
llama-scout	10	9	9	9.8	Верный ответ: 14 000 000, Toyota Land Cruiser, 2021. Подробно перечислил все значения столбца и показал ход поиска максимума.
diffusion-gemma	10	9	8	9.7	Ответ верный, но лёгкая языковая шероховатость («данные для максимальной ценой»).
Nemotron-3-Nano-Omni-30B	10	6	7	9.3	Числа верны, но ответ голый, без подписей и оформления.
MiniMax-M3	9	9	10	9.1	Все три пункта верны: 14 000 000 руб., Toyota Land Cruiser, 2021, с корректной ссылкой на строку 4. Небольшая неточность в сверочной таблице — модель указана как «Lexus ES350 / ES250», хотя в таблице только ES250.

Все модели дали правильный ответ (14 000 000 руб., Toyota Land Cruiser, 2021). llama-scout наиболее развёрнута, kimi-k2.6 — идеальный баланс точности, структуры и краткости.

table_дата-аналитика_bbccf15cdb — Сводная таблица продаж по продавцам

table · промпт 321 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении показана сводная таблица Excel с данными о продажах по продавцам. В столбце «Количество по полю Марка, модель» указано число для каждого продавца. Назовите количество для продавца Тригубов М. и проверьте, верно ли указан «Общий итог» в этом столбце, сложив значения по всем трём продавцам. Приведите сумму.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Верное значение 8, корректная проверка суммы 36 и вывод.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верно: Тригубов 8, сумма 36, итог верен. Чёткая проверка.
llama-scout	10	9	10	9.9	Все данные верны, подробная структура с выводом. Немного избыточно.
gemma-4-31b	10	9	10	9.9	Кратко и точно: 8, 36, итог верен.
diffusion-gemma	10	9	10	9.9	Верные данные, ясная проверка суммы и вывод.
GPT-5.5 (low)	10	9	10	9.9	Точно: 8, 36, итог верен. Компактно и ясно.
GPT-5.5 (medium)	10	9	10	9.9	Верно всё, аккуратная краткая проверка.
Kimi K2.6	10	9	10	9.9	Верно: Тригубов 8, итог 36 верен, проверка приведена.
GPT-5.6 Sol (low)	10	9	10	9.9	Точно: 8, сумма 36, вывод верен.
GPT-5.6 Sol (med)	10	9	10	9.9	Верно и компактно: 8, 36, итог верен.
GPT-5.6 Terra (low)	10	9	10	9.9	Точно: 8, сумма 36, итог верен.
GPT-5.6 Terra (med)	10	9	10	9.9	Верное значение, корректная проверка суммы и вывод.
GPT-5.6 Terra (high)	10	9	10	9.9	Верные данные и вывод, лаконично.
GPT-5.6 Luna (low)	10	9	10	9.9	Верное значение и проверка суммы, вывод корректен.
GPT-5.6 Luna (med)	10	9	10	9.9	Кратко и точно: 8, 36, итог верен.
GPT-5.6 Luna (high)	10	9	10	9.9	Точно и лаконично: 8, сумма 36, итог верен.
MiniMax-M3	7	9	8	7.3	Ключевые данные верны: Тригубов М. = 8, сумма 14+8+14=36, вывод о корректности «Общего итога» правильный. Однако две фамилии распознаны неверно — «Смоков П.» вместо «Соколов П.» и «Шашков Г.» вместо «Шолохов Г.», что снижает точность распознавания.
Nemotron-3-Nano-Omni-30B	8	2	3	6.9	Значения 8 и 36 верны, но нет проверки, вывода и структуры — просто числа.

Почти все модели дали идеально верный ответ (8, сумма 36, итог верен); nemotron-omni выпадает — только числа без проверки. Победитель выбран среди эквивалентно точных за краткость и ясность.

table_операционка_08f873cf7c — Баланс: изменение валюты баланса за год

table · промпт 333 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении — фрагмент бухгалтерского баланса с тремя столбцами значений по состоянию на 31 декабря 2024, 2023 и 2022 годов. Найдите итоговую строку «БАЛАНС» (код 1600) и посчитайте, на сколько значение баланса на 31 декабря 2023 года больше значения на 31 декабря 2024 года. Приведите оба исходных значения и результат вычитания.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Точные значения, разница 4348, ссылка на код 1600, отличное оформление.
GPT-5.5 (medium)	10	10	10	10.0	Точный ответ 4348 с указанием кода и ясной структурой.
Kimi K2.6	10	10	10	10.0	Верные значения, разница 4348, ссылка на код 1600, отличное оформление.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Оба значения и разница 4348 верны, чёткая структура и корректный русский.
GPT-5.5 (low)	10	9	10	9.9	Верные значения и разница 4348, аккуратная подача.
MiniMax-M3	10	9	10	9.9	Значения по строке БАЛАНС (56 544 и 60 892) и разница 4 348 определены верно, столбцы не перепутаны. Ответ структурирован и написан безупречным русским; минус — избыточное LaTeX-оформление формулы.
GPT-5.6 Sol (low)	10	9	10	9.9	Значения и результат 4348 верны, компактное оформление.
GPT-5.6 Sol (med)	10	9	10	9.9	Точный ответ 4348, ясный вывод про превышение за 2023 год.
GPT-5.6 Terra (low)	10	9	10	9.9	Точные значения и результат 4348.
GPT-5.6 Terra (med)	10	9	10	9.9	Верные значения с указанием кода 1600 и разница 4348.
GPT-5.6 Terra (high)	10	9	10	9.9	Верные значения и разница 4348, лаконично.
GPT-5.6 Luna (low)	10	9	10	9.9	Точный ответ 4348 с обоими значениями и выводом.
GPT-5.6 Luna (med)	10	9	10	9.9	Верные значения и разница 4348, кратко и чисто.
GPT-5.6 Luna (high)	10	9	10	9.9	Значения и разница 4348 верны, лаконично и ясно.
llama-scout	10	9	9	9.8	Верно прочитаны 60892 и 56544, разница 4348. Ясная структура, хотя запись в долларовых формулах ($) выглядит инородно.
diffusion-gemma	10	8	8	9.6	Значения и разница 4348 верны, но опечатка «Рас разницы» портит текст.
Nemotron-3-Nano-Omni-30B	9	2	3	7.7	Результат 4348 верен, но приведён голым числом без исходных значений и рассуждения.
gemma-4-31b	1	8	9	2.5	Ошибочно прочитано 56 644 вместо 56 544, итог 4 248 неверен — выдумка данных.

Почти все модели верно дали 60892−56544=4348; gemma-4-31b ошиблась в чтении (56644→4248), nemotron дал только число. 27b-v2 и kimi-k2.6 — образцовое оформление.

table_операционка_47fd90bdb1 — Коды показателей бухгалтерского баланса

table · промпт 446 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На изображении представлена форма «Бухгалтерский баланс» (Форма №1 по ОКУД). В таблице по столбцу «Код показателя» проставлены коды строк, а столбцы со значениями («На начало отчетного года» и «На конец отчетного периода») пустые. Ответьте по таблице на следующие вопросы: 1) Какой код показателя соответствует строке «Запасы»? 2) Какой код у строки «ИТОГО по разделу I»? 3) Какой код у строки «БАЛАНС»? 4) Какой код у строки «Денежные средства»?

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все четыре кода (210, 190, 300, 260) прочитаны верно и совпадают с эталоном. Ответ оформлен таблицей с корректными содержательными пояснениями по каждой строке, без выдумок.
Qwen3.6-27B-FP8	10	9	10	9.9	Все коды верны, аккуратная нумерация и грамотный русский.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все четыре кода верны (210/190/300/260), ответ структурирован и на грамотном русском.
gemma-4-31b	10	9	10	9.9	Все коды верны, ссылается на нужный столбец, ясное изложение.
Kimi K2.6	10	9	10	9.9	Все коды верны, чёткая структура и грамотный русский.
llama-scout	10	9	9	9.8	Все коды верны, чёткая структура с повтором вопросов, русский корректный.
GPT-5.5 (low)	10	8	9	9.7	Все коды верны, компактный список, русский корректный.
GPT-5.5 (medium)	10	8	9	9.7	Все коды верны, лаконичный формат, ошибок нет.
GPT-5.6 Sol (low)	10	8	9	9.7	Все коды верны, чёткий список с выделением.
GPT-5.6 Sol (med)	10	8	9	9.7	Все коды верны, аккуратная нумерация.
GPT-5.6 Terra (low)	10	8	9	9.7	Все коды верны, ясный список.
GPT-5.6 Terra (med)	10	8	9	9.7	Все коды верны, компактный корректный формат.
GPT-5.6 Terra (high)	10	8	9	9.7	Все коды верны, лаконичный корректный ответ.
GPT-5.6 Luna (low)	10	8	9	9.7	Все коды верны, ясный формат с выделением.
GPT-5.6 Luna (med)	10	8	9	9.7	Все коды верны, компактно и без ошибок.
GPT-5.6 Luna (high)	10	8	9	9.7	Все коды верны, аккуратный список, русский корректный.
diffusion-gemma	10	8	8	9.6	Коды верны, но есть опечатка «отвеча ответы», что снижает качество русского.
Nemotron-3-Nano-Omni-30B	10	6	6	9.2	Коды верны, но ответ предельно сжат (только цифры), без пояснений и русского текста.

Все модели верно прочитали коды 210/190/300/260; лидеры по формату и русскому — 35b-a3b, 27b-v2, gemma-4-31b, kimi. Слабее всех nemotron-omni из-за предельной сжатости.

table_промышленность_1280b89d8a — Сумма количества единиц в блоке приёма ВЛ-35 кВ (поз. 1.1.2)

table · промпт 366 симв. · Победитель: Kimi K2.6 · 9.9/10

▸Промпт задачи

На изображении показана спецификация оборудования для ОРУ 35 кВ. Найдите в таблице блок с позицией 1.1.2 («Блок приёма ВЛ-35 кВ компл.1, в составе:»). Для каждого входящего в него элемента указано количество в штуках (подпись «шт. N»). Сложите количество штук по всем элементам этого блока и укажите итоговую сумму. Перечислите также элементы блока с их количеством.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	9	10	9.9	Сумма 7 верна, все названия и количества точны, чистое перечисление и русский.
GPT-5.6 Sol (low)	10	9	9	9.8	Сумма 7 верна, все названия и количества точны, расчёт показан.
GPT-5.6 Sol (med)	10	9	9	9.8	Сумма 7 верна, перечень и количества полностью правильные.
GPT-5.6 Terra (low)	10	9	9	9.8	Сумма 7 верна, все названия и количества точны.
GPT-5.6 Terra (med)	10	9	9	9.8	Сумма 7 верна, перечень и количества полностью правильные.
Qwen3.6-27B-FP8	8	9	9	8.2	Сумма 7 верна, количества правильные. Незначительная неточность названия («высоковольтный»).
gemma-4-31b	8	9	9	8.2	Сумма 7 и количества верны. Мелкая замена названия («разрядник» вместо заградитель).
GPT-5.5 (low)	8	9	8	8.1	Сумма 7 и количества верны. Искажение названия («выключательный заградитель»).
GPT-5.5 (medium)	8	9	8	8.1	Сумма 7 и количества верны. Неточность названия («выключатель заградитель»).
Qwen3.6-35B-A3B-FP8	8	8	8	8.0	Сумма 7 верна, перечень и количества правильные. Мелкая ошибка в названии («высокоактивный» вместо высокочастотный).
diffusion-gemma	8	7	8	7.9	Сумма 7 и перечень верны. Дефекты форматирования и опечатка «Конконденсатор».
Nemotron-3-Nano-Omni-30B	8	8	7	7.9	Сумма 7 верна, количества правильные. Несколько искажённых названий («высоконапряжный», «оболочной»).
MiniMax-M3	7	9	8	7.3	Итог 7 и все количества (1,1,3,1,1) определены верно, но два наименования искажены: «высокочастотный заградитель» превратился в «высоковольтный разъединитель», а «изолятор опорный 35 кВ» — в бессмысленную «опорную опору 35 кВ». Структура (таблица + расчёт) отличная, русский в целом хороший при этих двух ляпах.
GPT-5.6 Luna (low)	6	8	8	6.4	Сумма 7 и количества верны, но первый элемент выдуман как «Выключатель ВВУ-200» вместо высокочастотного заградителя.
GPT-5.6 Luna (med)	6	8	8	6.4	Сумма 7 верна, но первый элемент ошибочно назван «выключатель вакуумный 35 кВ».
GPT-5.6 Luna (high)	6	7	8	6.3	Сумма 7, но первый элемент ошибочно назван «выключатель вакуумный» (из блока 1.1.3) и путаница «6 шт.+1 комплект».
llama-scout	2	7	6	2.9	Взят не тот блок (1.1.1): все количества шт.2, сумма 11 вместо 7. Название разъединителя искажено («аболюцонный»).
GPT-5.6 Terra (high)	1	7	8	2.3	Выдумка: конденсатор связи 12 шт., итог 18 вместо 7. Грубая ошибка распознавания.

Большинство моделей верно дали итог 7; kimi-k2.6, sol и terra-low/medium точны и по названиям. Провалы: terra-high (18) и llama-scout (не тот блок, 11).

table_промышленность_5a72c249e2 — Чтение значений из спецификации металлопроката

table · промпт 426 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении показана таблица «Спецификация металлопроката» с пронумерованными столбцами 1–9. В строке «Итого» указаны значения в нескольких столбцах. Назовите число, стоящее в строке «Итого» в столбце № 4 («N п.п.»), и число в столбце № 9 («Площадь окраш. поверх., м2»). Также укажите, какое значение площади окрашиваемой поверхности (столбец 9) приведено в строке данных для «Швеллеры стальные горячекатаные ГОСТ 8240-89».

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все значения верны, чёткая структура и грамотный русский.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три значения верны (2; 132,60; 132,60), ясная нумерованная структура, хороший русский.
gemma-4-31b	10	9	10	9.9	Верные значения, аккуратная нумерация, качественный русский.
diffusion-gemma	10	9	10	9.9	Все три числа верны, структура и русский на высоком уровне.
GPT-5.5 (low)	10	9	10	9.9	Верные значения, компактная и ясная подача.
GPT-5.5 (medium)	10	9	10	9.9	Все значения верны, чёткое оформление.
MiniMax-M3	10	9	10	9.9	Все три значения названы верно: Итого столбец 4 = 2, столбец 9 = 132,60, для швеллеров 132,60 м2. Ответ предельно краткий, разбора не показано, но структура и русский язык безупречны.
Kimi K2.6	10	9	10	9.9	Все три значения верны, чёткая структура и хороший русский.
GPT-5.6 Sol (low)	10	9	10	9.9	Все три числа верны, чёткая подача.
GPT-5.6 Sol (med)	10	9	10	9.9	Верные значения, ясная структура и грамотный русский.
GPT-5.6 Terra (low)	10	9	10	9.9	Верные значения, аккуратное оформление.
GPT-5.6 Terra (med)	10	9	10	9.9	Все три числа верны, чёткая структура.
GPT-5.6 Terra (high)	10	9	10	9.9	Все значения верны, компактно и ясно.
GPT-5.6 Luna (low)	10	9	10	9.9	Все значения верны, ясная структура.
GPT-5.6 Luna (med)	10	9	10	9.9	Верные значения, аккуратное оформление.
llama-scout	10	8	9	9.7	Значения верны, но избыточное LaTeX-оформление ($...$) слегка мешает читаемости.
GPT-5.6 Luna (high)	10	8	9	9.7	Значения верны, но подача слегка урезана без явной привязки к строке «Итого» в первом пункте.
Nemotron-3-Nano-Omni-30B	3	2	2	2.8	Столбец 4 в «Итого» указан как 1 вместо 2 (взято значение строки данных); ответ голыми числами без структуры.

Почти все модели дали верные 2; 132,60; 132,60; лидеры близки по качеству. Только nemotron-omni ошибся в столбце 4 («Итого» = 1 вместо 2).

table_промышленность_6903d0ef35 — Светильники: позиция с максимальным количеством

table · промпт 308 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

Перед вами таблица спецификации светильников. В столбце «Кол-во» указано количество единиц (шт) для каждой позиции. Определите, у какой позиции (номер «Поз.») самое большое количество. Укажите номер позиции, её код продукции и само значение количества. Также назовите, какое количество указано у позиции № 8.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Правильно определена поз. 2 (код 81321830, 409 шт) и количество 172 для поз. 8; сводная таблица со всеми 13 позициями и кодами полностью совпадает с изображением. Идеальная структура и безупречный русский.
Qwen3.6-27B-FP8	10	9	10	9.9	Полностью корректный ответ по обеим частям, аккуратная структура.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Всё верно: поз.2, код 81321830, 409 и 172 для поз.8. Чётко и ясно.
gemma-4-31b	10	9	10	9.9	Верно определены максимум (409, поз.2, код) и количество поз.8 (172).
diffusion-gemma	10	9	10	9.9	Все данные верны, ответ хорошо оформлен.
GPT-5.5 (low)	10	9	10	9.9	Корректно: поз.2, код 81321830, 409 и 172 для поз.8.
GPT-5.5 (medium)	10	9	10	9.9	Корректно и чётко изложены обе части ответа.
Kimi K2.6	10	9	10	9.9	Полностью верный ответ по обеим частям, аккуратное оформление.
GPT-5.6 Sol (low)	10	9	10	9.9	Верно определены максимум и количество поз.8.
GPT-5.6 Sol (med)	10	9	10	9.9	Полностью корректный ответ, чёткая структура.
GPT-5.6 Terra (med)	10	9	10	9.9	Все данные верны, аккуратное выделение ключевых значений.
GPT-5.6 Terra (high)	10	9	10	9.9	Верно: поз.2, код 81321830, 409 и 172 для поз.8.
GPT-5.6 Luna (low)	10	9	10	9.9	Корректный и лаконичный ответ по обеим частям.
GPT-5.6 Luna (med)	10	9	10	9.9	Все значения верны, ясное оформление.
GPT-5.6 Luna (high)	10	9	10	9.9	Верно: поз.2, код 81321830, 409 и 172 для поз.8.
GPT-5.6 Terra (low)	10	8	10	9.8	Корректный ответ по обеим частям, лаконично.
llama-scout	6	8	9	6.5	Максимум определён верно (поз.2, код 81321830, 409), но количество у поз.8 указано неверно как 17.2 вместо 172.
Nemotron-3-Nano-Omni-30B	2	6	9	3.1	Максимум определён неверно: указана поз.1 (228) вместо поз.2 (409); лишь поз.8=172 верно.

Большинство моделей дали полностью верный ответ (поз.2, код 81321830, 409; поз.8=172). llama-scout ошиблась в количестве поз.8 (17.2), nemotron-omni неверно определила максимум.

table_стройка_16b3e75108 — Локальная смета: разница стоимости и оплаты труда

table · промпт 298 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На изображении — локальная смета № 1 на общестроительные работы. В шапке документа указаны два итоговых показателя: «Сметная стоимость» и «Средства на оплату труда». Выпиши оба значения (в рублях) и вычисли, на сколько рублей сметная стоимость больше средств на оплату труда. Ответ дай с копейками.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Оба значения прочитаны верно (9 784,45 и 1 092,64 руб.), разница 8 691,81 руб. посчитана правильно и продублирована в рублях с копейками. Структура и русский язык безупречны.
Qwen3.6-27B-FP8	10	9	10	9.9	Оба показателя и разница 8 691,81 руб. верны, ясная структура.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верные значения и корректная разница 8 691,81 руб. с расчётом.
diffusion-gemma	10	9	10	9.9	Все значения верны, разница 8 691,81 руб. вычислена правильно с расчётом.
Kimi K2.6	10	9	10	9.9	Оба значения и разница 8 691,81 руб. верны, показан расчёт.
GPT-5.6 Luna (low)	10	9	10	9.9	Значения и разница 8 691,81 руб. верны, аккуратный список.
llama-scout	10	9	9	9.8	Оба значения прочитаны верно, разница 8 691,81 руб. вычислена правильно, показан ход расчёта.
GPT-5.5 (low)	10	8	10	9.8	Верные значения и разница 8 691,81 руб., но без явного расчёта.
GPT-5.5 (medium)	10	8	10	9.8	Значения и разница 8 691,81 руб. корректны, кратко.
GPT-5.6 Sol (low)	10	8	10	9.8	Верные значения и разница 8 691,81 руб.
GPT-5.6 Sol (med)	10	8	10	9.8	Значения и разница 8 691,81 руб. корректны.
GPT-5.6 Terra (low)	10	8	10	9.8	Корректные значения и разница 8 691,81 руб.
GPT-5.6 Terra (med)	10	8	10	9.8	Верные значения и разница 8 691,81 руб.
GPT-5.6 Terra (high)	10	8	10	9.8	Верные значения и разница 8 691,81 руб.
GPT-5.6 Luna (med)	10	8	10	9.8	Корректные значения и разница 8 691,81 руб.
GPT-5.6 Luna (high)	10	8	10	9.8	Верные значения и разница 8 691,81 руб., лаконично.
Nemotron-3-Nano-Omni-30B	10	5	8	9.3	Числа верны (8 691,81 руб.), но ответ голым перечислением без пояснений.
gemma-4-31b	2	8	9	3.3	Сметная стоимость прочитана неверно (9 784,95 вместо 9 784,45), из-за чего разница 8 692,31 руб. ошибочна.

Большинство моделей верно прочитали 9 784,45 и 1 092,64 руб. и получили 8 691,81 руб.; gemma-4-31b ошиблась в чтении и расчёте. Победитель показывает верный ответ с чётким расчётом.

table_стройка_2825673eab — Локальная смета: общая стоимость по позициям

table · промпт 350 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

На изображении — локальный сметный расчёт на ремонтно-строительные работы. В таблице четыре позиции (строки 1–4). Глядя на столбец «Общая стоимость, руб. — всего» (графа 10), назовите значение общей стоимости «всего» для каждой из четырёх позиций и вычислите их суммарную итоговую стоимость по всем четырём строкам. Ответ дайте с точностью до копеек.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Все значения и сумма 27580,40 верны, аккуратная структура.
llama-scout	10	9	9	9.8	Все четыре значения графы 10 прочитаны верно, сумма 27580,40 корректна, разбор подробный.
Kimi K2.6	10	9	9	9.8	Все четыре значения и сумма 27580,40 верны, чёткое оформление.
Qwen3.6-35B-A3B-FP8	10	8	9	9.7	Все значения и итог верны, оформление краткое но ясное.
GPT-5.6 Terra (low)	8	8	9	8.1	Только строка 4 (20508,88) чуть искажена, итог 27580,42 почти верен.
GPT-5.6 Terra (high)	8	8	9	8.1	Верны три значения, лишь 20508,88 вместо 20508,86, итог 27580,42 почти точен.
diffusion-gemma	5	8	8	5.6	Строка 1 неверна (1381,94 вместо 1361,94), из-за чего итог 27600,40 ошибочен.
GPT-5.5 (low)	4	8	9	4.9	Две ошибки чтения (1381,94 и 20508,88), итог 27600,42 неверен.
GPT-5.5 (medium)	4	8	9	4.9	Те же две ошибки (1381,94 и 20508,88), итог 27600,42 неверен.
GPT-5.6 Sol (low)	4	8	9	4.9	Две ошибки чтения, итог 27600,42 неверен.
GPT-5.6 Sol (med)	4	8	9	4.9	Две ошибки чтения, итог 27600,42 неверен.
GPT-5.6 Terra (med)	4	8	9	4.9	Две ошибки (1381,94 и 20508,88), итог 27600,42 неверен.
GPT-5.6 Luna (med)	4	8	9	4.9	Две ошибки (1381,94 и 20508,88), итог 27600,42 неверен.
GPT-5.6 Luna (high)	4	8	9	4.9	Две ошибки (1381,94 и 20508,88), итог 27600,42 неверен.
GPT-5.6 Luna (low)	4	7	9	4.8	Те же две ошибки, итог 27600,42 неверен.
gemma-4-31b	3	8	8	4.0	Три из четырёх значений искажены (1351,94; 5529,58; 20508,96), итог неверный.
MiniMax-M3	2	8	8	3.2	Верны только строки 2 и 3; строка 1 искажена (1381,94 вместо 1361,94), а строка 4 выдумана (22055,99 вместо 20508,86), обоснования тоже переврано (ТСЦ-302-1459). Итог 29147,53 вместо 27580,40 — арифметика внутренне согласована, но исходные данные считаны неверно.
Nemotron-3-Nano-Omni-30B	2	2	3	2.1	Только число 27600,40 без значений и разбора, итог неверен.

llama-scout, 35b-a3b, 27b-v2 и kimi-k2.6 полностью верны; у llama-scout самый подробный разбор. Многие gpt-5.6/5.5 систематически читают 1361→1381 и 86→88.

table_стройка_52a1bd4468 — Сумма нормативных затрат труда в смете

table · промпт 305 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении — локальный сметный расчёт (смета) на ремонт автодороги. В верхнем блоке справа указаны нормативные затраты труда. Найдите значения «Нормативные затраты труда рабочих» и «Нормативные затраты труда машинистов» (в чел.-ч.) и вычислите их сумму. Укажите оба исходных значения и итоговую сумму.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Верные значения и сумма 1021,78, чёткая структура с выделением итога.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Оба значения (694,07 и 327,71) считаны верно, сумма 1021,78 правильная, показан расчёт.
gemma-4-31b	10	9	10	9.9	Оба исходных значения и сумма правильные, аккуратное оформление.
diffusion-gemma	10	9	10	9.9	Значения считаны верно, сумма 1021,78 корректна, показан расчёт.
GPT-5.5 (low)	10	9	10	9.9	Верные значения и сумма; расчёт не расписан, но итог правильный.
GPT-5.5 (medium)	10	9	10	9.9	Верные значения, явно показан расчёт 694,07+327,71=1021,78.
Kimi K2.6	10	9	10	9.9	Оба значения и сумма 1021,78 правильные, показан расчёт.
GPT-5.6 Terra (low)	10	9	10	9.9	Полные подписи, верные значения и сумма 1021,78.
GPT-5.6 Terra (med)	10	9	10	9.9	Полные подписи, верные значения и сумма 1021,78.
GPT-5.6 Terra (high)	10	9	10	9.9	Полные подписи, верные значения и сумма 1021,78.
GPT-5.6 Luna (low)	10	9	10	9.9	Верные значения и сумма 1021,78, аккуратный список.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные значения и сумма, компактное чёткое оформление.
Nemotron-3-Nano-Omni-30B	10	8	10	9.8	Значения и сумма верны, оформление простое без выделений.
GPT-5.6 Sol (low)	10	8	10	9.8	Верный итог 1021,78, сокращённые подписи строк.
GPT-5.6 Sol (med)	10	8	10	9.8	Значения и сумма правильные, подписи слегка сокращены.
GPT-5.6 Luna (med)	10	8	10	9.8	Значения и сумма верны, но подписи сокращены до «Рабочих/Машинистов».
llama-scout	10	8	9	9.7	Значения и сумма верны; используются точки и $ вместо запятых, что не по стандарту оформления сметы.
MiniMax-M3	2	8	9	3.3	Значение затрат труда машинистов считано неверно (127,71 вместо 327,71), из-за чего итоговая сумма 821,78 вместо правильной 1021,78. Арифметика и оформление корректны, но главный ответ ошибочен.

Все модели верно считали 694,07 и 327,71 и дали сумму 1021,78; различия минимальны в оформлении. gpt-5.5-medium сочетает точность, явный расчёт и полные подписи.

table_стройка_780aee542d — Локальная смета: сумма общей стоимости по трём позициям

table · промпт 400 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На изображении показана локальная смета № 02-02 на общестроительные работы. В таблице есть пронумерованные позиции (строки 1, 2 и 3) и группа столбцов «Общая стоимость, руб.». Найдите значения из столбца «Всего» (этой группы «Общая стоимость, руб.») для трёх позиций и сложите их. Чему равна сумма общей стоимости «Всего» по позициям 1, 2 и 3? Укажите три исходных значения и итоговую сумму в рублях.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все три значения столбца «Всего» группы «Общая стоимость, руб.» распознаны верно (256 493,31; 75 907,02; 197,68), сумма 332 598,01 руб. правильная. Ответ структурирован таблицей с шифрами позиций, русский язык безупречен.
Qwen3.6-27B-FP8	10	9	10	9.9	Все верно, явно идентифицирован нужный столбец, аккуратное оформление.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верные значения и сумма, чистая структура и корректный русский.
gemma-4-31b	10	9	10	9.9	Верные значения, показан расчет суммы и указание столбца №7.
diffusion-gemma	10	9	10	9.9	Корректные значения, расчет и контекст сметы, ясное оформление.
GPT-5.5 (low)	10	9	10	9.9	Все три значения и итог верны, чистый структурированный ответ.
Kimi K2.6	10	9	10	9.9	Верные значения, указан столбец 7, аккуратное оформление.
GPT-5.5 (medium)	10	8	10	9.8	Верно, но предельно кратко, без показанного сложения.
GPT-5.6 Sol (low)	10	8	10	9.8	Верные значения и итог, чистое оформление списком.
GPT-5.6 Sol (med)	10	8	10	9.8	Верный ответ, аккуратный список с итогом.
GPT-5.6 Terra (low)	10	8	10	9.8	Верные значения и итог, простой список.
GPT-5.6 Terra (med)	10	8	10	9.8	Верный ответ, аккуратный краткий список.
GPT-5.6 Terra (high)	10	8	10	9.8	Все верно, кратко и ясно.
GPT-5.6 Luna (low)	10	8	10	9.8	Все три значения и итог верны, простой список.
GPT-5.6 Luna (med)	10	8	10	9.8	Верный ответ, аккуратный краткий список.
GPT-5.6 Luna (high)	10	8	10	9.8	Верно и чисто, но кратко без пояснения о столбце.
llama-scout	10	6	7	9.3	Все три значения и сумма верны, но навязчивое LaTeX-форматирование ($...$) уродует русский текст и структуру.
Nemotron-3-Nano-Omni-30B	10	3	6	8.9	Числа верные, но ответ без подписей и структуры — просто перечисление.

Все модели дали верные значения (256 493,31; 75 907,02; 197,68) и итог 332 598,01 руб.; 27b-v2/gemma/diffusion-gemma/kimi выделяются явной идентификацией столбца и аккуратным оформлением.

table_стройка_892bfff48e — Объектная смета: итоги по строительным и монтажным работам

table · промпт 388 симв. · Победитель: Kimi K2.6 · 10.0/10

▸Промпт задачи

Перед вами объектный сметный расчёт (объектная смета) на строительство. Посмотрите на нижнюю итоговую строку «Всего по объектной смете». Назовите два значения из этой строки: сметную стоимость строительных работ (столбец 4) и сметную стоимость монтажных работ (столбец 5). Затем сложите эти два числа и укажите полученную сумму. Все значения приводите в рублях с копейками, как в таблице.

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	10	10	10	10.0	Все значения и сумма верны, отличное оформление.
Qwen3.6-27B-FP8	10	9	10	9.9	Все три значения верны, сумма корректна, ответ хорошо структурирован.
gemma-4-31b	10	9	10	9.9	Верно прочитаны оба значения и правильно вычислена сумма.
GPT-5.5 (low)	10	9	10	9.9	Все значения и сумма верны, аккуратное оформление.
GPT-5.5 (medium)	10	9	10	9.9	Верные значения и правильная сумма.
GPT-5.6 Sol (low)	10	9	10	9.9	Верные значения и сумма, чёткий список.
GPT-5.6 Sol (med)	10	9	10	9.9	Верные значения и сумма.
GPT-5.6 Terra (low)	10	9	10	9.9	Верные значения и сумма.
GPT-5.6 Terra (med)	10	9	10	9.9	Верные значения и сумма.
GPT-5.6 Terra (high)	10	9	10	9.9	Верные значения и сумма.
GPT-5.6 Luna (low)	10	9	10	9.9	Верные значения и сумма, чёткий список.
GPT-5.6 Luna (med)	10	9	10	9.9	Верные значения и сумма, чёткий список.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные значения и сумма, чёткий список.
Nemotron-3-Nano-Omni-30B	10	4	6	9.0	Все три числа верны, но ответ дан голым списком без пояснений.
Qwen3.6-35B-A3B-FP8	6	8	8	6.4	Оба исходных значения верны, но сумма ошибочна: 18999182,81 вместо 19004182,81.
MiniMax-M3	2	8	8	3.2	Строительные работы прочитаны неверно (17 488 128,59 вместо 17 488 126,59), из-за чего сумма получилась 19 004 184,81 вместо 19 004 182,81; монтажные работы (1 516 056,22) верны. Хуже того, модель выдумала объяснение, будто верное значение 19004182,81 в шапке — «округление», подкрепив ошибку ложным обоснованием при аккуратном оформлении.
llama-scout	1	7	8	2.3	Прочитана не та строка (Итого локальных смет): 14820446,26 и 1284793,41 — оба значения неверны, сумма тоже.
diffusion-gemma	0	6	7	1.3	Выдуманы лишние цифры: 174888126,59 и 15160056,22, сумма 190048182,81 — грубая галлюцинация.

Большинство моделей верно прочитали 17488126,59 и 1516056,22 и получили 19004182,81; kimi-k2.6 лучший по оформлению. Провалы: llama-scout (не та строка), diffusion-gemma (галлюцинация цифр), 35b-a3b (ошибка в сумме).

table_промышленность_14b56bece7 — Чтение спецификации стального проката

table · промпт 638 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении показана спецификация металлопроката (таблица с колонками «Наименование профиля ГОСТ, ТУ», «Наименование или марка металла», «Номер или размеры профиля», «№ п.п.», «Масса металла по элементам конструкций, т» и «Общая масса, т»). Ответьте на три вопроса строго по таблице: 1) Сколько всего пронумерованных строк в столбце «№ п.п.» (укажите последний номер)? 2) Какие три основных вида профиля (по столбцу «Наименование профиля») перечислены в таблице и по какому ГОСТ изготовлен каждый из них? 3) Для уголков стальных равнополочных (строки 8 и 9) укажите размеры профиля, перечисленные в столбце «Номер или размеры профиля».

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Полностью верные ответы, аккуратная структура с разбивкой по строкам.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все факты верны, чёткая структура и корректный русский.
gemma-4-31b	10	10	10	10.0	Все три пункта верны, ясная и лаконичная структура.
GPT-5.5 (low)	10	10	10	10.0	Все верно; размеры уголков даны без символа L (100×7), что допустимо.
GPT-5.5 (medium)	10	10	10	10.0	Полностью корректные ответы, аккуратное оформление.
MiniMax-M3	10	10	10	10.0	Все три пункта полностью совпадают с эталоном: последний номер 16, три вида профиля с верными ГОСТами (26020-83, 8509-93, 8240-97) и размеры уголков L100×7 и L125×8. Ответ чётко структурирован таблицей и списком, русский язык безупречен.
Kimi K2.6	10	10	10	10.0	Все верно, символ уголка ∟ и подробная разбивка по строкам.
GPT-5.6 Sol (low)	10	10	10	10.0	Все три пункта верны, чёткое построчное оформление.
GPT-5.6 Sol (med)	10	10	10	10.0	Полностью корректно, аккуратная структура с разбивкой по строкам.
GPT-5.6 Terra (low)	10	10	10	10.0	Все факты верны, ясная структура.
GPT-5.6 Terra (med)	10	10	10	10.0	Полностью верные ответы, корректный символ ∟ и чёткое оформление.
GPT-5.6 Terra (high)	10	9	10	9.9	Верные ответы с символом ∟, компактное изложение.
GPT-5.6 Luna (low)	10	9	10	9.9	Все факты верны, компактное и ясное оформление.
GPT-5.6 Luna (med)	10	9	10	9.9	Ответы полностью верны, лаконичная структура.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные ответы с корректным символом ∟, чуть менее подробно по п.1.
llama-scout	10	9	9	9.8	Все три ответа верны: 16, три профиля с ГОСТ, L100×7 и L125×8. LaTeX-разметка ($…$) слегка засоряет вид.
diffusion-gemma	10	9	8	9.7	Ответы верны, но опечатка «Двутавроры» и незакрытая разметка в п.3 снижают качество.
Nemotron-3-Nano-Omni-30B	10	6	8	9.4	Все факты верны, но ответ предельно телеграфный, без структуры и пояснений.

Практически все модели дали фактически идентичные и полностью верные ответы; различия только в оформлении. Слабее прочих nemotron-omni (телеграфно) и diffusion-gemma (опечатка).

table_промышленность_e69d51201d — Общая масса по строке «Всего профиля» (поз. 8)

table · промпт 454 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На изображении приведена «Спецификация металлопроката». В столбце «Поз.» найдите строку с номером позиции 8 (строка «Всего профиля:»). В блоке «Масса металла по элементам конструкций, т» для этой строки указаны значения для подстолбцов «Колонны» и «Балки Ригели». Назовите оба этих значения, вычислите их сумму и сравните её со значением в столбце «Общая масса, т» для этой же строки. Совпадает ли сумма с указанной общей массой? Приведите все три числа.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все три числа прочитаны верно (13,9; 12,2; 26,1), сумма посчитана правильно, совпадение подтверждено. Дополнительно верно отмечено, что подстолбцы «Связи Распорки» и «Прогоны» в этой строке пусты.
Kimi K2.6	10	10	10	10.0	Верные значения, сумма и подтверждение совпадения. Отличное оформление.
Qwen3.6-27B-FP8	10	9	10	9.9	Все три числа верны, сумма и совпадение корректны. Ясное структурированное изложение.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Правильные значения, верная сумма и подтверждение совпадения. Хорошая структура.
llama-scout	10	10	9	9.9	Верно прочитаны 13.9 и 12.2, сумма 26.1, совпадение подтверждено. Чёткая пошаговая структура.
gemma-4-31b	10	9	10	9.9	Верно все числа и вывод, аккуратное оформление с русской десятичной запятой.
GPT-5.5 (low)	10	9	10	9.9	Правильные значения, сумма и подтверждение. Компактно и ясно.
GPT-5.5 (medium)	10	9	10	9.9	Все три числа верны, совпадение подтверждено. Чёткий список.
GPT-5.6 Sol (low)	10	9	10	9.9	Все три числа верны, совпадение подтверждено. Аккуратный список.
GPT-5.6 Sol (med)	10	9	10	9.9	Верные значения и сумма, подтверждение совпадения. Чётко.
diffusion-gemma	10	9	9	9.8	Числа и вывод верны; мелкая опечатка в кавычках, в остальном хорошо.
GPT-5.6 Luna (low)	10	8	10	9.8	Верные значения, сумма и совпадение указаны. Кратко и ясно.
GPT-5.6 Luna (med)	10	8	10	9.8	Правильные числа и вывод, лаконичное изложение.
GPT-5.6 Luna (high)	10	8	10	9.8	Все числа и вывод верны, компактно и корректно по-русски.
GPT-5.6 Terra (low)	10	8	9	9.7	Правильные значения и совпадение, компактный формат.
GPT-5.6 Terra (med)	10	8	9	9.7	Верные числа и вывод, кратко и корректно.
GPT-5.6 Terra (high)	10	8	9	9.7	Числа и вывод верны, но очень сжато, без явного выделения балок отдельно.
Nemotron-3-Nano-Omni-30B	8	3	5	7.2	Числа 13.9, 12.2, 26.1 верны, но нет ни суммы, ни сравнения, ни пояснений.

Практически все модели верно прочитали 13.9, 12.2 и 26.1 и подтвердили совпадение; kimi-k2.6 сочетает точность с лучшим оформлением. nemotron-omni дал только числа без анализа.

table_операционка_4365090bfe — Изменение баланса (пассив) по годам

table · промпт 384 симв. · Победитель: llama-scout · 10.0/10

▸Промпт задачи

На изображении представлен раздел «ПАССИВ» бухгалтерского баланса с данными на 31 декабря 2015, 2014 и 2013 годов. Найдите строку «БАЛАНС» (код 1700) и определите значения итогового баланса на 31 декабря 2015 года и на 31 декабря 2013 года. На сколько вырос итоговый баланс за период с 31 декабря 2013 года по 31 декабря 2015 года? Укажите оба исходных значения и результат вычитания.

Модель	C	F	Ru	Σ	Комментарий судьи
llama-scout	10	10	10	10.0	Все значения верны (2048, 1652, 396), подробное структурированное объяснение с заголовками.
MiniMax-M3	10	10	10	10.0	Значения 2048 и 1652 считаны верно, разница 396 вычислена правильно. Ответ чётко структурирован таблицей и расчётом, русский безупречен.
Qwen3.6-27B-FP8	10	9	10	9.9	2048 − 1652 = 396, всё корректно и ясно изложено.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верные числа и разница, точно указаны столбцы и код строки, чёткая структура.
gemma-4-31b	10	9	10	9.9	Правильные значения и расчёт, аккуратная структура с итоговым ответом.
GPT-5.5 (low)	10	9	10	9.9	Корректные числа и разница, чистое оформление.
GPT-5.5 (medium)	10	9	10	9.9	Всё верно, лаконично и структурировано.
Kimi K2.6	10	9	10	9.9	Верные значения и расчёт, ясная структура.
GPT-5.6 Luna (med)	10	9	10	9.9	Корректный результат, аккуратный список.
diffusion-gemma	10	9	9	9.8	Верный результат 396; небольшая опечатка «исные значения», в остальном хорошо.
GPT-5.6 Sol (low)	10	8	10	9.8	Всё верно, кратко и ясно.
GPT-5.6 Sol (med)	10	8	10	9.8	Правильные значения и разница, чётко.
GPT-5.6 Terra (low)	10	8	10	9.8	Верные числа и расчёт, минималистично.
GPT-5.6 Terra (med)	10	8	10	9.8	Всё правильно, компактный формат с датами.
GPT-5.6 Terra (high)	10	8	10	9.8	Корректный ответ 396, кратко.
GPT-5.6 Luna (low)	10	8	10	9.8	Верные числа и разница, лаконично.
GPT-5.6 Luna (high)	10	8	10	9.8	Правильный ответ, кратко и корректно.
Nemotron-3-Nano-Omni-30B	10	4	3	8.7	Числа верны (2048, 1652, 396), но ответ голый, англоязычная метка Answer, без пояснений и русского текста.

Почти все модели дали верный результат 2048 − 1652 = 396; llama-scout лидирует по полноте и структуре, nemotron-omni заметно слабее по оформлению и русскому.

table_операционка_ec4db0081d — Баланс ООО «Ромашка»: расчёт по строкам

table · промпт 562 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На изображении — бухгалтерский баланс ООО «Ромашка» на 31 декабря 2011 г. с тремя столбцами значений (на 31 декабря 2011 г., 2010 г. и 2009 г.), суммы в тыс. рублей. Используя данные таблицы, ответьте на три вопроса: 1) Чему равна итоговая строка «БАЛАНС» (код 1600) в столбце «На 31 декабря 2011 г.»? 2) Проверьте равенство: совпадает ли значение «БАЛАНС» за 2011 г. с суммой строк «Итого по разделу I» (код 1100) и «Итого по разделу II» (код 1200) за тот же год? Приведите вычисление. 3) На сколько строка «Запасы» (код 1210) за 2011 г. больше, чем за 2009 г.?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все данные и расчёты верны, ответ полный и аккуратно структурирован.
gemma-4-31b	10	10	10	10.0	Все три ответа корректны, вычисления и вывод по равенству приведены полностью.
MiniMax-M3	10	10	10	10.0	Все три ответа полностью верны: 7 912 300; 888 981 + 7 023 319 = 7 912 300; 1 900 850 − 900 375 = 1 000 475. Изложение структурировано (таблица, явные вычисления), русский безупречен.
Kimi K2.6	10	10	10	10.0	Все три ответа верны, вычисления и вывод по равенству приведены чётко.
llama-scout	10	9	9	9.8	Все три ответа верны (7 912 300; равенство выполняется; 1 000 475), вычисления показаны.
GPT-5.6 Sol (low)	10	9	9	9.8	Все три ответа корректны, вычисления показаны компактно.
GPT-5.6 Sol (med)	10	9	9	9.8	Все ответы верны и аккуратно оформлены.
GPT-5.6 Terra (low)	10	9	9	9.8	Все ответы верны, дано краткое пояснение к равенству.
GPT-5.6 Terra (high)	10	9	9	9.8	Все три ответа корректны, расчёты приведены.
GPT-5.6 Luna (med)	10	9	9	9.8	Все ответы верны, есть краткая проверка равенства.
GPT-5.6 Luna (low)	10	8	9	9.7	Все три ответа корректны, изложено кратко и ясно.
GPT-5.6 Luna (high)	10	8	9	9.7	Все ответы верны, но очень лаконично, без подписи к слагаемым.
GPT-5.5 (low)	7	8	8	7.2	Итог и Q3 верны, но неверно считаны слагаемые в Q2 (889 981 и 7 022 319 вместо 888 981 и 7 023 319), хотя сумма и вывод правильные.
GPT-5.5 (medium)	7	8	8	7.2	Верны Q1 и Q3, но слагаемые в Q2 искажены (889 981 + 7 022 319), при этом итог и вывод корректны.
Qwen3.6-35B-A3B-FP8	6	9	9	6.6	Все числа считаны верно, но в Q3 арифметическая ошибка: 1 900 850 − 900 375 дано как 999 475 вместо 1 000 475.
diffusion-gemma	6	9	9	6.6	Q1 и Q2 верны, но в Q3 ошибка вычитания: указано 999 475 вместо 1 000 475.
GPT-5.6 Terra (med)	3	8	9	4.1	Q1 выдуман (9 712 300 вместо 7 912 300), из-за чего Q2 ошибочно объявлен несовпадающим; верен только Q3.
Nemotron-3-Nano-Omni-30B	3	3	6	3.3	Q1 дан неверно (7 023 319 вместо 7 912 300), вывод по Q2 противоречив («не совпадает» при сумме 7 912 300); верен только Q3.

Полностью правильных ответов много; 27b-v2, gemma-4-31b, kimi-k2.6 и llama-scout безупречны, у 27b-v2 наиболее полное и чистое оформление. Провалы: nemotron-omni и gpt-5.6-terra-medium с неверным Q1/Q2.

table_промышленность_b5252b4420 — Максимальное количество в спецификации

table · промпт 351 симв. · Победитель: GPT-5.6 Sol (low) · 9.8/10

▸Промпт задачи

На изображении показана спецификация оборудования, изделий и материалов (раздел «1. Электромонтажные изделия»). Внимательно посмотрите на столбец «Кол.» (количество, столбец 7). Найдите в этом столбце НАИБОЛЬШЕЕ значение количества среди всех позиций таблицы и укажите само это число, а также номер позиции (столбец «Поз.»), которой оно соответствует.

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.6 Sol (low)	10	9	9	9.8	Полностью верно: 391 и позиция 1.14.
Qwen3.6-27B-FP8	9	8	9	8.9	Верно названо число 391 и позиция 1.14. Название изделия выдумано, но это не запрошено.
Qwen3.6-35B-A3B-FP8	9	8	9	8.9	Верно 391 и позиция 114 (=1.14). Название изделия выдумано.
GPT-5.6 Luna (med)	6	8	9	6.5	391 верно, позиция 1.12 неверна.
GPT-5.6 Luna (high)	6	8	9	6.5	391 верно, позиция 1.13 близка, но неверна (нужно 1.14).
Kimi K2.6	5	8	9	5.7	Число 391 верное, но позиция 24 неверна.
diffusion-gemma	5	8	8	5.6	Число 391 верное, но позиция 19 неверна.
GPT-5.6 Terra (low)	2	8	9	3.3	991 — неверно, хотя позиция 1.14 указана.
GPT-5.6 Luna (low)	2	8	9	3.3	Названо 378 — неверно, хотя позиция 1.14 указана.
GPT-5.5 (low)	2	7	9	3.2	Названо 378 — неверно, максимум 391.
GPT-5.5 (medium)	2	7	9	3.2	Названо 378 — неверно, максимум 391.
GPT-5.6 Sol (med)	1	8	9	2.5	714 у поз.1.9 — выдумка.
GPT-5.6 Terra (med)	1	8	9	2.5	1000 у поз.18 — выдумка.
GPT-5.6 Terra (high)	1	8	9	2.5	1000 у поз.1.7 — выдумка, такого значения нет.
gemma-4-31b	1	7	9	2.4	395 у поз.24 — неверно и число, и позиция.
llama-scout	1	7	8	2.3	Названо 591 у поз.12 — неверно, значения прочитаны с ошибками.
MiniMax-M3	1	7	8	2.3	Ответ неверный: назван максимум 600 у позиции 113, которой на изображении нет — большинство выписанных значений искажены (320, 600, 278, 219, 180), хотя верное 391 у поз. 1.14 в таблице присутствует и было проигнорировано. Структура и русский язык хорошие, но фактически это галлюцинация.
Nemotron-3-Nano-Omni-30B	0	1	1	0.2	Бессмысленный обрывок '3000, 16', ответа нет.

Верный ответ 391 у позиции 1.14 дали sol-low (идеально), 27b-v2 и 35b-a3b. Многие модели верно прочитали 391, но ошиблись с позицией; часть выдала галлюцинации (378/591/714/991/1000).

table_дата-аналитика_1b318e7506 — Excel-таблица товаров: столбцы и значение «Вид спорта»

table · промпт 311 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На изображении показан фрагмент таблицы Excel со списком товаров. Внимательно посмотрите на шапку таблицы и ответьте на два вопроса: 1) Как называются три столбца таблицы (слева направо)? 2) Какой «Вид спорта» (значение в третьем столбце) указан для строки с наименованием «Кроссовки для баскетбола, размер 43»?

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все три заголовка (Наименование, Пол, Вид спорта) прочитаны верно, значение «баскетбол» для строки 5 указано точно, номер строки тоже верный. Ответ предельно чёткий и хорошо структурированный, анализ минимальный, но задача его и не требует.
Qwen3.6-27B-FP8	10	9	10	9.9	Верные заголовки и «баскетбол», правильно назвал 4-ю строку данных. Хорошо структурировано.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три заголовка и «баскетбол» верны, корректно указал строку 5. Ясный структурированный ответ.
gemma-4-31b	10	9	10	9.9	Все три заголовка и «баскетбол» верны. Компактный чёткий ответ.
GPT-5.5 (low)	10	9	10	9.9	Заголовки и «баскетбол» верны. Чистый лаконичный ответ.
GPT-5.5 (medium)	10	9	10	9.9	Заголовки и «баскетбол» верны. Чистый лаконичный ответ.
Kimi K2.6	10	9	10	9.9	Все верно, правильно указал строку 5. Ясная структура.
llama-scout	10	9	9	9.8	Все верно, аккуратно сопоставил столбцы с буквами A/B/C. Лёгкий артефакт с $43$ в оформлении.
GPT-5.6 Sol (low)	10	8	10	9.8	Все верно, заголовки в кавычках, сопоставил строку.
GPT-5.6 Terra (low)	10	8	10	9.8	Верные ответы, лаконично.
GPT-5.6 Terra (med)	10	8	10	9.8	Все верно, явно сопоставил строку с ответом «баскетбол».
GPT-5.6 Terra (high)	10	8	10	9.8	Верные ответы, лаконично.
GPT-5.6 Luna (med)	10	8	10	9.8	Верно, чуть подробнее по второму пункту.
GPT-5.6 Sol (med)	10	7	10	9.7	Верно, но второй ответ предельно краток.
GPT-5.6 Luna (low)	10	7	10	9.7	Верные ответы, минималистично.
GPT-5.6 Luna (high)	10	7	10	9.7	Верные ответы, но очень кратко, без деталей.
diffusion-gemma	10	8	8	9.6	Верные ответы, правильно строка №5. Опечатки («сновываясь», «наименование») снижают качество текста.
Nemotron-3-Nano-Omni-30B	10	7	9	9.6	Ответы верны, но предельно кратко, без пояснений и сопоставления.

Все модели дали корректные ответы. Победитель выбран за максимально ясное и полное объяснение с правильным сопоставлением строки; краткие ответы теряют баллы за reasoning/format.

table_дата-аналитика_1a5b277c75 — Разница в сумме продаж между продавцами в сводной таблице

table · промпт 355 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

На изображении показана сводная таблица Excel с продажами автомобилей по продавцам. В колонке «Сумма по полю Цена, руб.» приведены итоговые суммы по каждому продавцу. На сколько рублей сумма продаж лучшего продавца (с наибольшим итогом) превышает сумму продаж худшего продавца (с наименьшим итогом)? Укажите фамилии этих двух продавцов и итоговую разницу.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Полностью верно: Шолохов Г. и Тригубов М., разница 4 090 000 руб.
Kimi K2.6	10	9	9	9.8	Полностью верно с чётким расчётом: Шолохов Г. минус Тригубов М. = 4 090 000 руб.
GPT-5.6 Terra (low)	10	9	9	9.8	Верно: Шолохов Г. и Тригубов М., разница 4 090 000 руб.
GPT-5.6 Terra (med)	10	9	9	9.8	Верно: Шолохов Г. и Тригубов М., разница 4 090 000 руб.
GPT-5.6 Luna (low)	10	9	9	9.8	Верно: Шолохов Г. и Тригубов М., разница 4 090 000 руб.
GPT-5.6 Luna (high)	10	9	9	9.8	Верно: Шолохов Г. и Тригубов М., разница 4 090 000 руб.
Nemotron-3-Nano-Omni-30B	10	4	7	9.1	Ответ верен (Шолохов Г. и Тригубов М., 4 090 000), но крайне лаконичен, без структуры.
diffusion-gemma	9	9	8	8.9	Все суммы и разница 4 090 000 верны; лишь мелкая опечатка в фамилии (Шлохов).
GPT-5.6 Luna (med)	7	9	9	7.4	Значения и разница верны, но фамилия худшего искажена (Трибунов вместо Тригубов).
GPT-5.5 (low)	7	8	8	7.2	Значения и разница 4 090 000 верны, но фамилия худшего искажена (Трибунов вместо Тригубов).
GPT-5.5 (medium)	7	8	8	7.2	Разница 4 090 000 и суммы верны, но фамилия искажена (Трифонов вместо Тригубов).
GPT-5.6 Terra (high)	6	9	9	6.6	Суммы и разница 4 090 000 верны, но фамилия/инициал худшего искажены (Тригуб В.).
gemma-4-31b	5	8	7	5.5	Значения и разница 4 090 000 верны, но худший назван выдуманной фамилией Григорьев М. вместо Тригубова.
MiniMax-M3	4	9	9	5.0	Все суммы и разница (4 090 000 руб.) определены верно, включая контрольную проверку общего итога, но обе ключевые фамилии распознаны неправильно: «Терехов М.» вместо «Тригубов М.» и «Шишков Г.» вместо «Шолохов Г.». Так как задание прямо требует указать фамилии, это существенная ошибка распознавания.
GPT-5.6 Sol (low)	2	8	9	3.3	Худшим ошибочно назван Соколов П. (9 745 000), разница 2 325 000 — неверно, Тригубов пропущен.
Qwen3.6-35B-A3B-FP8	2	7	8	3.1	Максимум верно (Шолохов), но худшим назван Соколов П. с выдуманной суммой 7 745 000 и неверной разницей 4 325 000.
llama-scout	2	7	8	3.1	Максимум верен, но худший — Соколов П. с придуманной суммой 7 450 000 и разницей 4 620 000; ошибка.
GPT-5.6 Sol (med)	1	8	8	2.4	Инициал лучшего искажён (Шолохов П.), худший — Соколов П., разница 2 325 000 — неверно.

Полностью верный ответ с чётким расчётом и структурой; ряд моделей (27b-v2, luna/terra) также идеальны, но kimi даёт наиболее полное пояснение.

Интерфейсы (UI)

ui_общее_26c62bb17b — Ставки в банковском приложении «Заказ продуктов»

ui · промпт 348 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед вами экран мобильного банковского приложения «Заказ продуктов». В списке продуктов под каждым пунктом указана краткая подпись с условиями. Какая процентная ставка (или ставки) указана в подписях к пунктам «Вклады» и «Кредиты»? Приведите оба значения точно так, как они написаны на экране, и укажите, к какому продукту относится каждое из них.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Точные дословные подписи в кавычках, верное сопоставление.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Оба значения точны и правильно сопоставлены с продуктами, дословные подписи.
gemma-4-31b	10	10	10	10.0	Оба значения верны и правильно отнесены к продуктам.
diffusion-gemma	10	10	10	10.0	Корректное распознавание и сопоставление, чистый формат.
GPT-5.5 (low)	10	10	10	10.0	Точные подписи, верное сопоставление, лаконично.
GPT-5.5 (medium)	10	10	10	10.0	Точные подписи, верное сопоставление, лаконично.
Nemotron-3-Nano-Omni-30B	10	10	10	10.0	Оба значения верны и не перепутаны.
MiniMax-M3	10	10	10	10.0	Оба значения приведены дословно и верно сопоставлены: «До 5,75% годовых» — Вклады, «Ставка от 6,90 %» — Кредиты. Таблица плюс пояснения про максимальную/минимальную ставку добавляют ясности, галлюцинаций нет.
Kimi K2.6	10	10	10	10.0	Дословные подписи, верное сопоставление.
GPT-5.6 Sol (low)	10	10	10	10.0	Точные дословные подписи, верное сопоставление.
GPT-5.6 Terra (low)	10	10	10	10.0	Точные дословные подписи, верное сопоставление.
GPT-5.6 Terra (med)	10	10	10	10.0	Точные дословные подписи, верное сопоставление.
GPT-5.6 Terra (high)	10	10	10	10.0	Точные дословные подписи, верное сопоставление.
GPT-5.6 Luna (high)	10	10	10	10.0	Точные подписи, верное сопоставление.
llama-scout	10	6	8	9.4	Значения верны и не перепутаны, но LaTeX-обёртка ($5,75\%$) засоряет формат.
GPT-5.6 Sol (med)	9	10	10	9.2	Значение верно, но «5.75%» с точкой вместо запятой — небольшое отклонение от оригинала.
GPT-5.6 Luna (low)	9	9	10	9.1	Значения верны, но подписи процитированы не дословно (опущены «До»/«Ставка»).
GPT-5.6 Luna (med)	9	9	10	9.1	Значения верны, но цитаты неполные (опущены слова «До»/«Ставка»).

Почти все модели дали правильный ответ; лидеры точны и дословны. Ниже: luna-low/medium (неполные цитаты), sol-medium (точка вместо запятой), llama-scout (LaTeX-формат).

ui_общее_8228b63477 — Экран «Платежи» мобильного банка

ui · промпт 539 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед тобой скриншот раздела «Платежи» мобильного банковского приложения. Ответь на вопросы строго по тому, что видно на экране: 1) Какой текст-подсказка (placeholder) написан в поле поиска вверху экрана? 2) Перечисли по порядку сверху вниз все пункты списка платежей, которые полностью или частично видны на экране. 3) У пункта «Оплата счетов по QR-коду» указана поясняющая подпись под названием — что в ней написано? 4) Сколько вкладок в нижней панели навигации и как они называются слева направо? Какая из них сейчас активна (выделена)?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Полностью корректно по всем 4 пунктам, ясное оформление.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все факты точны: placeholder, полный список, подпись, 5 вкладок и активная «Платежи». Отлично структурировано.
diffusion-gemma	10	10	10	10.0	Все верно, отмечено частичное отображение последнего пункта и зелёное выделение активной вкладки.
MiniMax-M3	10	10	10	10.0	Все четыре ответа полностью совпадают с эталоном: точный placeholder, верный порядок всех 8 пунктов, подпись «Без ввода реквизитов», 5 вкладок с активной «Платежи» (зелёная). Мелкий минус — не отмечено, что «Домашний телефон» обрезан внизу.
Kimi K2.6	10	10	10	10.0	Все ответы точны, аккуратное форматирование, отмечено зелёное выделение.
GPT-5.6 Sol (med)	10	10	10	10.0	Все точно, отмечены и частичная видимость пункта, и зелёное выделение вкладки.
llama-scout	10	9	10	9.9	Все ответы верны, активную вкладку отметил в списке. Чёткая структура.
GPT-5.5 (low)	10	9	10	9.9	Все данные точны, отмечено что «Домашний телефон» частично виден.
GPT-5.5 (medium)	10	9	10	9.9	Полностью корректно, отмечена частичная видимость последнего пункта.
GPT-5.6 Sol (low)	10	9	10	9.9	Все верно, отмечена частичная видимость последнего пункта.
GPT-5.6 Terra (low)	10	9	10	9.9	Все верно, отмечена частичная видимость «Домашний телефон».
GPT-5.6 Terra (med)	10	9	10	9.9	Полностью корректно, ясное оформление.
GPT-5.6 Terra (high)	10	9	10	9.9	Полностью корректно, чёткая структура.
GPT-5.6 Luna (low)	10	9	10	9.9	Корректно по всем пунктам, компактно и ясно.
GPT-5.6 Luna (med)	10	9	10	9.9	Корректно по всем пунктам, компактно и ясно.
GPT-5.6 Luna (high)	10	9	10	9.9	Все факты верны, чистая структура без пометки о частичной видимости.
gemma-4-31b	10	8	10	9.8	Все факты верны, но подача максимально сжатая, без выделений.
Nemotron-3-Nano-Omni-30B	10	8	10	9.8	Факты верны, но подача очень сжатая, без разметки списка.

Задача простая на извлечение — почти все модели дали идеально точные ответы. Победитель отмечен за полноту: частичная видимость последнего пункта и зелёное выделение активной вкладки.

ui_общее_d11d8d551c — Данные карт в интерфейсе банковского приложения

ui · промпт 325 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

На экране мобильного банковского приложения в разделе «Карты» показаны три банковские карты. Для каждой из трёх карт укажи: название банка-эмитента, баланс (сумму на карте), последние 4 цифры номера карты и срок действия. Также укажи, к какой платёжной системе относится каждая карта (по логотипу в правом нижнем углу карты).

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Полностью корректный разбор всех трёх карт с верными платёжными системами и суммами.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все три карты распознаны безошибочно: банки, суммы, цифры, сроки и платёжные системы верны.
GPT-5.5 (low)	10	10	10	10.0	Аккуратная таблица со всеми верными данными по трём картам.
GPT-5.5 (medium)	10	10	10	10.0	Идеальная таблица: банки, суммы, цифры, сроки и платёжные системы полностью совпадают с картинкой.
Kimi K2.6	10	10	10	10.0	Все три карты разобраны точно и без ошибок.
GPT-5.6 Sol (low)	10	9	10	9.9	Полностью верный разбор трёх карт с выделением ключевых значений.
GPT-5.6 Sol (med)	10	9	10	9.9	Все данные точны и хорошо оформлены.
GPT-5.6 Terra (low)	10	9	10	9.9	Точный и полный список по трём картам.
GPT-5.6 Terra (med)	10	9	10	9.9	Все факты верны, лаконичное оформление.
GPT-5.6 Terra (high)	10	9	10	9.9	Верный компактный ответ, все значения совпадают с картинкой.
GPT-5.6 Luna (low)	10	9	10	9.9	Точный и полный ответ по всем трём картам.
GPT-5.6 Luna (med)	10	9	10	9.9	Все факты корректны, чёткий список.
GPT-5.6 Luna (high)	10	9	10	9.9	Все данные верны, компактный и ясный список.
llama-scout	10	8	9	9.7	Данные полностью верны, но раздражающее LaTeX-оформление значений в долларовых $...$ портит читаемость.
diffusion-gemma	9	10	9	9.1	Данные верны, но опечатка в названии — «Кор Креди Банк» вместо «Кор Кредит Банк».
gemma-4-31b	8	10	10	8.4	Всё верно, кроме срока карты Уралсиб: указано 08/26 вместо 09/26.
MiniMax-M3	5	9	9	5.8	Банки, суммы, сроки и платёжные системы определены верно, но последние 4 цифры второй карты прочитаны неверно (2647 вместо 3847). Дополнительно выдуманы детали: несуществующий «фиолетовый круглый индикатор» у первой карты и её описание как сине-фиолетовой вместо бирюзовой.
Nemotron-3-Nano-Omni-30B	1	3	3	1.4	Грубые ошибки: искажённый баланс «100 500 00,00 ₽», выдуманные цифры 3123 и 9126, пропущены сроки, названия на английском.

Большинство моделей дали идеально точный ответ; побеждает gpt-5.5-medium за аккуратную таблицу с полностью верными данными. Nemotron-omni провалился с выдуманными цифрами и искажёнными суммами.

ui_общее_e5f8bfa086 — Экран карты в мобильном банке

ui · промпт 399 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед тобой экран мобильного банковского приложения с информацией о карте. Внимательно рассмотри его и ответь на вопросы: 1) Какая платёжная система у карты (логотип в правой нижней части карты)? 2) В какой валюте карта (подпись под изображением карты)? 3) Какой из четырёх пунктов-кнопок внизу экрана выделен оранжевой рамкой? 4) Перечисли названия всех четырёх кнопок-плиток в нижней части экрана.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все факты верны, хорошее пояснение расположения кнопок; «под номером карты» — небольшая неточность.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все четыре факта верны, есть детализация подписей плиток; мелкая неточность — валюту приписал к «номеру карты».
llama-scout	10	9	10	9.9	Все ответы верны, аккуратная структура с заголовками, без выдумок.
gemma-4-31b	10	9	10	9.9	Все четыре ответа корректны, чисто и структурировано.
diffusion-gemma	10	9	10	9.9	Все верно, с подписями плиток и указанием расположения выделенной кнопки.
GPT-5.5 (low)	10	9	10	9.9	Все факты точны, ясная структура, без лишнего.
GPT-5.5 (medium)	10	9	10	9.9	Все верно, приведена подпись «Карта в рублях», аккуратно.
Kimi K2.6	10	9	10	9.9	Все ответы корректны, с уточнением расположения логотипа и кнопок.
GPT-5.6 Sol (med)	10	9	10	9.9	Все точно, уточнил «российские рубли» и подпись «Карта в рублях».
MiniMax-M3	10	9	9	9.8	Все четыре ответа полностью совпадают с эталоном: МИР, рубли, оранжевой рамкой выделена «О карте», названия плиток точны с подписями. Галлюцинаций нет, изложение компактное и структурированное.
GPT-5.6 Sol (low)	10	8	10	9.8	Все верно, ясная краткая структура.
GPT-5.6 Luna (low)	10	8	10	9.8	Все факты точны, лаконичная структура.
GPT-5.6 Luna (med)	10	8	10	9.8	Все ответы верны, чисто оформлено, без деталей.
GPT-5.6 Luna (high)	10	8	10	9.8	Все верно, но кратко, без пояснений расположения.
GPT-5.6 Terra (med)	10	7	10	9.7	Все ответы корректны, компактно перечислены в одну строку.
GPT-5.6 Terra (low)	10	6	9	9.5	Все верно, но телеграфно, без пояснений.
GPT-5.6 Terra (high)	10	6	9	9.5	Все факты верны, но ответ максимально сжат, без анализа.
Nemotron-3-Nano-Omni-30B	10	5	8	9.3	Все факты верны, но ответ предельно телеграфный, без пояснений и оформления.

Все модели правильно распознали МИР, рубли, выделенную «О карте» и все четыре плитки. Победитель по полноте и оформлению — kimi-k2.6 (наравне с 27b-v2 и diffusion-gemma).

ui_операционка_a39761b5c0 — Чтение стоимости товара в таблице Excel

ui · промпт 247 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На скриншоте открыта таблица в Microsoft Excel со списком товаров. Найди в таблице строку товара с ID «0017» и назови его стоимость из столбца «Стоимость, руб.». Также укажи итоговую сумму по столбцу «Стоимость, руб.» (значение в строке «Итого:»).

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Стоимость 113 100 руб. и итог 440 750 руб. определены верно, дополнительно точно указаны количество 78 шт. и цена 1450 руб. Ответ структурирован, русский язык безупречен.
Qwen3.6-27B-FP8	10	9	10	9.9	Оба значения верны, аккуратный краткий список.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Оба значения верны (113 100 и 440 750), чёткий краткий ответ.
GPT-5.5 (low)	10	9	10	9.9	Оба значения верны, чётко и кратко.
GPT-5.5 (medium)	10	9	10	9.9	Оба значения верны, чётко и кратко.
Kimi K2.6	10	9	10	9.9	Оба значения верны, ясно и аккуратно оформлено.
GPT-5.6 Sol (low)	10	9	10	9.9	Верные значения, ясный краткий ответ.
GPT-5.6 Sol (med)	10	9	10	9.9	Верные значения, ясный краткий ответ.
GPT-5.6 Terra (low)	10	9	10	9.9	Верные значения, аккуратно оформлено.
GPT-5.6 Terra (high)	10	9	10	9.9	Верные значения, аккуратно оформлено.
GPT-5.6 Luna (low)	10	9	10	9.9	Верные значения, чётко.
GPT-5.6 Luna (high)	10	9	10	9.9	Верные значения, чётко.
gemma-4-31b	10	8	10	9.8	Верные значения, лаконичный связный ответ одним предложением.
Nemotron-3-Nano-Omni-30B	10	8	10	9.8	Верные значения, минималистичный ответ без лишнего.
GPT-5.6 Terra (med)	10	8	10	9.8	Верные значения, кратко.
GPT-5.6 Luna (med)	10	8	10	9.8	Верные значения, кратко.
llama-scout	10	6	8	9.4	Значения верны, показан ход рассуждения, но избыточное LaTeX-форматирование ($…$) портит читаемость.
diffusion-gemma	8	9	10	8.3	Значения верны, но ошибочные ссылки на ячейки (E4/E8 вместо D4/D8 — столбец Стоимость это D).

Почти все модели дали верные значения (113 100 и 440 750); победитель выбран среди безошибочных с чётким форматом. diffusion-gemma ошиблась в ссылках на ячейки, llama-scout ухудшил формат LaTeX.

ui_операционка_7df9f5a115 — Чтение таблицы продаж в Excel

ui · промпт 324 симв. · Победитель: MiniMax-M3 · 10.0/10

▸Промпт задачи

На снимке экрана открыта таблица в Microsoft Excel со списком велосипедов. Посмотри на строку «Велосипед горный»: сколько штук продано (столбец «Продано, шт.») и какое значение указано в столбце «Итого» для этой строки? Также назови, какая ячейка сейчас выделена (см. поле имени слева от строки формул) и что в ней записано.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	10	10	10.0	Все факты верны: 78 шт., итого 1 325 220, активная ячейка A1 с текстом «Наименование». Ответ чётко структурирован, русский безупречен.
Qwen3.6-27B-FP8	10	9	9	9.8	Все три факта верны, ясная структура.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Полностью верно, чётко структурировано по пунктам.
llama-scout	10	9	9	9.8	Все факты верны: 78, 1325220, A1='Наименование'. Есть небольшое пояснение.
gemma-4-31b	10	9	9	9.8	Верно и лаконично: 78, 1325220, A1='Наименование'.
diffusion-gemma	10	9	9	9.8	Все данные верны, хорошая структура.
GPT-5.5 (low)	10	9	9	9.8	Верно и чётко, все три факта на месте.
GPT-5.5 (medium)	10	9	9	9.8	Полностью корректный ответ.
Nemotron-3-Nano-Omni-30B	10	9	9	9.8	Все факты верны, ясно изложено.
Kimi K2.6	10	9	9	9.8	Верно, добавлено что значение видно и в строке формул — точное наблюдение.
GPT-5.6 Sol (low)	10	9	9	9.8	Верно и компактно.
GPT-5.6 Sol (med)	10	9	9	9.8	Все данные верны.
GPT-5.6 Terra (med)	10	9	9	9.8	Все факты верны, в отличие от других terra-вариантов.
GPT-5.6 Luna (low)	10	9	9	9.8	Верно и чётко.
GPT-5.6 Luna (med)	10	9	9	9.8	Все три факта верны.
GPT-5.6 Luna (high)	10	9	9	9.8	Все факты верны, лаконично.
GPT-5.6 Terra (low)	4	9	9	5.0	Та же ошибка: 'Итого' 132522 вместо 1325220. Продано и A1 верны.
GPT-5.6 Terra (high)	4	9	9	5.0	Ошибка в 'Итого': указано 132522 вместо 1325220. Остальное верно.

Подавляющее большинство моделей ответило идеально; kimi-k2.6 добавил точное наблюдение о дублировании значения в строке формул. Варианты terra-high/terra-low ошиблись в 'Итого' (132522 вместо 1325220).

ui_операционка_bc58c1ab00 — Формула и значение активной ячейки в Excel

ui · промпт 393 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед тобой скриншот таблицы Microsoft Excel на русском языке. Внимательно рассмотри строку формул и активную ячейку. Ответь на вопросы: 1) Какая ячейка сейчас выделена (её адрес из поля «Имя» слева от строки формул)? 2) Какая формула записана в этой ячейке (содержимое строки формул)? 3) Какое числовое значение отображается в этой ячейке как результат? 4) Какая вкладка ленты сейчас активна?

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все верно, есть содержательное пояснение про 4*15,4=61,6.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все четыре факта верны (D2, =B2*C2, 61,6, Формулы), с пояснениями где что видно.
gemma-4-31b	10	9	10	9.9	Все четыре ответа корректны, кратко и ясно.
diffusion-gemma	10	9	10	9.9	Все факты верны, структура повторяет вопросы.
GPT-5.5 (low)	10	9	10	9.9	Все верно, лаконично без пояснений.
GPT-5.5 (medium)	10	9	10	9.9	Все верно, коротко и точно.
MiniMax-M3	10	9	10	9.9	Все четыре факта верны: D2, =B2*C2, 61,6, вкладка «Формулы»; добавлена корректная проверка расчёта 4 × 15,4 и названия групп ленты. Формат ясный, русский безупречный; минус лишь за небольшую избыточность разметки.
Kimi K2.6	10	9	10	9.9	Все верно, добавлены полезные пояснения про локализацию и цвет вкладки.
GPT-5.6 Sol (low)	10	9	10	9.9	Все верно, аккуратно.
GPT-5.6 Sol (med)	10	9	10	9.9	Все верно, аккуратно.
GPT-5.6 Terra (low)	10	9	10	9.9	Все верно, лаконично.
GPT-5.6 Terra (med)	10	9	10	9.9	Все верно, лаконично.
GPT-5.6 Terra (high)	10	9	10	9.9	Все верно, лаконично.
GPT-5.6 Luna (low)	10	9	10	9.9	Все верно, кратко.
GPT-5.6 Luna (med)	10	9	10	9.9	Все верно, ясно.
GPT-5.6 Luna (high)	10	9	10	9.9	Все четыре факта верны, лаконично.
llama-scout	10	7	9	9.6	Все факты верны, но LaTeX-обёртки ($D2$, $61,6$) слегка портят читаемость.
Nemotron-3-Nano-Omni-30B	10	7	9	9.6	Ответы верны, но предельно кратко, без пояснений.

Все модели дали правильные ответы (D2, =B2*C2, 61,6, Формулы); 27b-v2 и kimi-k2.6 лидируют за содержательные пояснения.

ui_операционка_ebde4d1974 — Остатки денежных средств в 1С:Бухгалтерия

ui · промпт 341 симв. · Победитель: Qwen3.6-35B-A3B-FP8 · 9.9/10

▸Промпт задачи

Перед тобой начальная страница программы 1С:Бухгалтерия предприятия (редакция 3.0). Найди на экране блок «Остатки денежных средств» и сними с него данные: какая сумма указана по строке «Касса», какая по строке «Банк» и какая итоговая сумма указана внизу блока? Приведи все три значения с точностью до рубля так, как они отображены на экране.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все значения верны, аккуратный список с пояснением. Отличный русский.
gemma-4-31b	10	9	10	9.9	Все значения верны, чистый структурированный ответ.
diffusion-gemma	10	9	10	9.9	Все три значения верны, ясная структура.
GPT-5.5 (low)	10	9	10	9.9	Все значения корректны, аккуратный список.
GPT-5.5 (medium)	10	9	10	9.9	Все значения верны, чёткое оформление.
MiniMax-M3	10	9	10	9.9	Все три значения сняты верно, включая отрицательную кассу (-106 440) и итог 289 253 руб. Ответ компактный и точный, но без явной проверки/пояснения (например, красного цвета кассы или сходимости итога).
Kimi K2.6	10	9	10	9.9	Все значения верны, явно указан итог внизу блока.
GPT-5.6 Sol (low)	10	9	10	9.9	Все значения корректны, аккуратное оформление.
GPT-5.6 Sol (med)	10	9	10	9.9	Все значения верны, чёткий список.
GPT-5.6 Terra (low)	10	9	10	9.9	Все значения корректны, выделены жирным.
GPT-5.6 Terra (med)	10	9	10	9.9	Все значения верны, аккуратное оформление.
GPT-5.6 Luna (low)	10	9	10	9.9	Все значения корректны, ясное оформление.
GPT-5.6 Luna (med)	10	9	10	9.9	Все значения верны, чистый список.
GPT-5.6 Luna (high)	10	9	10	9.9	Все три значения верны, лаконичный структурированный список.
Qwen3.6-27B-FP8	10	9	9	9.8	Все три значения верны, включая минус у кассы. Чёткая структура списком.
llama-scout	10	9	9	9.8	Все три значения корректны, хорошее оформление с заголовком.
GPT-5.6 Terra (high)	10	8	10	9.8	Все три значения верны, простой понятный формат.
Nemotron-3-Nano-Omni-30B	10	4	6	9.0	Числа верны и в правильном порядке, но без меток строк и пояснений — минимальный ответ.

Почти все модели дали три верных значения с минусом у кассы; отставание только у nemotron-omni (голые числа без меток). Победитель выбран среди равных за полноту и русский.

ui_операционка_c551262341 — Чтение Плана счетов в 1С:Предприятие

ui · промпт 564 симв. · Победитель: GPT-5.5 (medium) · 10.0/10

▸Промпт задачи

На скриншоте — экран программы 1С:Предприятие с открытым справочником «План счетов бухгалтерского учета». Ответьте на три вопроса строго по тому, что видно на экране: 1) Найдите строку счёта с кодом 07. Какое у него наименование и какие значения указаны в колонках «Субконто1», «Субконто2» и «Субконто3»? 2) Какая буква (тип счёта — активный/пассивный) стоит в колонке «Акт.» для счёта 01 «Основные средства» и для счёта 02 «Амортизация основных средств»? 3) Перечислите названия кнопок на панели инструментов над таблицей (между кнопкой «Создать» и правым краем).

Модель	C	F	Ru	Σ	Комментарий судьи
GPT-5.5 (medium)	10	10	10	10.0	Идеально точный и аккуратно структурированный ответ по всем пунктам.
MiniMax-M3	10	10	10	10.0	Все три вопроса отвечены точно: 07 «Оборудование к установке» с Номенклатура/Партии/Склады, А и П для счетов 01 и 02, корректный перечень текстовых кнопок панели. Не упомянуты безымянные иконки между «Создать» и «Найти» и галочка в «Кол.», но это не ошибка.
GPT-5.5 (low)	10	9	9	9.8	Все три пункта абсолютно точны, чистый лаконичный ответ.
Kimi K2.6	9	9	10	9.1	Все данные и кнопки верны, чистый русский язык.
GPT-5.6 Sol (low)	9	9	10	9.1	Верно по всем пунктам, аккуратно отмечены кнопки-иконки без подписей.
GPT-5.6 Sol (med)	9	9	10	9.1	Точный ответ, корректно упомянуты кнопки только со значками.
GPT-5.6 Terra (low)	9	9	10	9.1	Полностью корректный ответ по всем трём пунктам.
GPT-5.6 Terra (med)	9	9	10	9.1	Все данные и кнопки верны, лаконично и точно.
GPT-5.6 Terra (high)	9	9	10	9.1	Все данные верны, детально отмечены иконочные кнопки между «Создать» и «Найти».
GPT-5.6 Luna (low)	9	9	10	9.1	Все верно, кнопки перечислены корректно.
GPT-5.6 Luna (med)	9	9	10	9.1	Корректные данные и список подписанных кнопок.
GPT-5.6 Luna (high)	9	9	10	9.1	Полностью верный и аккуратный ответ по всем пунктам.
Qwen3.6-27B-FP8	9	9	9	9.0	Всё верно, честно отметил обрезанное наименование; список кнопок точный.
Qwen3.6-35B-A3B-FP8	9	9	9	9.0	Все данные верны, кнопки корректно описаны включая иконки; не хватило «Все действия», но выдумок нет.
gemma-4-31b	9	9	9	9.0	Данные и типы счетов верны, кнопки перечислены корректно, включая иконку без подписи.
diffusion-gemma	9	9	9	9.0	Полностью корректный ответ по всем трём пунктам.
llama-scout	8	9	9	8.2	Q1 и Q2 верны. В кнопках добавлен «Быстрый выбор» — это заголовок колонки, а не кнопка панели, мелкая выдумка.
Nemotron-3-Nano-Omni-30B	5	7	8	5.5	Q1 и Q2 верны, но в кнопках выдуманы «Сохранить» и «Отмена», которых на панели нет.

Большинство моделей ответили верно; gpt-5.5-medium дал идеально точный и аккуратный ответ. Nemotron выдумал несуществующие кнопки, llama-scout спутал колонку с кнопкой.

Визуальное рассуждение

vqa_маркетинг_4850bb416e — Расчёт максимальной скидки на распродаже

vqa · промпт 284 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

Перед тобой рекламный баннер распродажи. Опираясь только на то, что написано на изображении: какова максимальная скидка, которую обещает эта акция, и сколько в рублях составит эта скидка для товара ценой 5000 рублей при максимально возможной скидке? Также укажи, как называется акция.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Точно: до 60%, 3000 руб., MEGA SALE; структурировано и понятно.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Верно прочитал «до 60%», посчитал 3000 руб., назвал MEGA SALE; чётко и с формулой.
diffusion-gemma	10	9	10	9.9	Верно, отметил «UPTO 60% OFF» и формулу; аккуратный список.
MiniMax-M3	10	9	10	9.9	Всё верно: название MEGA SALE, скидка прочитана именно как «до 60%» с цитатой надписи, арифметика 5000 × 0,60 = 3000 руб. корректна. Структура чёткая, русский безупречный; анализ минимально краткий, но полностью достаточный.
Kimi K2.6	10	9	10	9.9	Верно, сослался на «UPTO 60% OFF», аккуратный список.
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Все факты верны, привязал к «UPTO 60% OFF», показал расчёт; немного избыточно.
GPT-5.6 Terra (low)	10	7	10	9.7	Верно с «до 60%», лаконично, без формулы.
GPT-5.6 Terra (high)	10	7	10	9.7	Верно и с «до 60%», но очень кратко, без явного расчёта.
llama-scout	10	7	9	9.6	Все факты верны, расчёт показан; портит формат навязчивое LaTeX-оформление ($...$).
GPT-5.5 (medium)	9	9	10	9.1	Верно с формулой и итогом; не отметил «до 60%».
GPT-5.5 (low)	9	8	10	9.0	Верно 60%, 3000 руб., MEGA SALE с формулой; не подчеркнул «до».
GPT-5.6 Sol (low)	9	8	10	9.0	Верно с формулой; не подчеркнул «до 60%».
GPT-5.6 Sol (med)	9	8	10	9.0	Верно с формулой; без уточнения «до».
gemma-4-31b	9	8	9	8.9	Все три ответа верны, но без пояснения «до» и без расчёта — сухой список.
GPT-5.6 Terra (med)	9	7	10	8.9	Верно, но без уточнения «до» и без расчёта, кратко.
GPT-5.6 Luna (low)	9	7	10	8.9	Верно, но лаконично, без формулы и уточнения «до».
GPT-5.6 Luna (high)	9	7	10	8.9	Все ответы верны, но кратко, без расчёта и без «до 60%».
GPT-5.6 Luna (med)	9	6	10	8.8	Верно, но одной строкой, без расчёта и без «до 60%».

Все модели дали верный ответ (MEGA SALE, до 60%, 3000 руб.); победители — 27b-v2 и 35b-a3b за точность, формулу и чёткую структуру.

vqa_маркетинг_55d50fc1fe — Анализ рекламного баннера распродажи

vqa · промпт 373 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед тобой рекламный баннер. Внимательно рассмотри его и ответь на вопросы: 1) Какой максимальный размер скидки заявлен на баннере и где именно этот размер указан (в каком графическом элементе)? 2) Что говорит баннер о сроке действия предложения? 3) Какой текст содержит призыв к действию (кнопка)? Свой вывод о срочности предложения обоснуй тем, что видно на изображении.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все элементы названы верно, отмечено отсутствие конкретных дат, хорошее обоснование срочности.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все три факта верны (50% в белом круге, LIMITED TIME OFFER, SHOP NOW), обоснование срочности развёрнутое и точное.
gemma-4-31b	10	10	10	10.0	Точно указаны скидка, круг, LIMITED TIME OFFER и SHOP NOW; аккуратное обоснование срочности.
Kimi K2.6	10	10	10	10.0	Полный и точный разбор всех элементов с развёрнутым обоснованием срочности.
GPT-5.5 (low)	10	9	10	9.9	Кратко и точно: скидка в белом круге, LIMITED TIME OFFER, SHOP NOW; обоснование лаконичное.
GPT-5.5 (medium)	10	9	10	9.9	Все факты верны, чёткий сжатый ответ с корректным обоснованием срочности.
Nemotron-3-Nano-Omni-30B	10	9	10	9.9	Верно названы все три элемента и их расположение, обоснование срочности адекватное.
GPT-5.6 Sol (low)	10	9	10	9.9	Точный ответ, обоснование опирается на две надписи (LIMITED TIME OFFER и SHOP NOW).
GPT-5.6 Sol (med)	10	9	10	9.9	Все элементы верны, аккуратно отмечено отсутствие дат и двойное обоснование срочности.
GPT-5.6 Terra (low)	10	9	10	9.9	Все три элемента названы верно, краткое обоснование срочности.
GPT-5.6 Terra (med)	10	9	10	9.9	Верный точный ответ с корректным обоснованием срочности.
GPT-5.6 Terra (high)	10	9	10	9.9	Факты верны, обоснование краткое но корректное.
GPT-5.6 Luna (low)	10	9	10	9.9	Верно названы все элементы, краткое корректное обоснование срочности.
GPT-5.6 Luna (med)	10	9	10	9.9	Все факты верны, отмечено отсутствие конкретной даты окончания.
GPT-5.6 Luna (high)	10	9	10	9.9	Все факты верны, ответ предельно краткий, обоснование корректное но минимальное.
MiniMax-M3	10	9	9	9.8	Все три пункта названы верно: UPTO 50% OFF в белом круге справа, LIMITED TIME OFFER сверху, кнопка SHOP NOW внизу; обоснование срочности опирается на реально видимые элементы (боке-фон, белые треугольные акценты). Небольшой минус за декоративные эмодзи-маркеры и лёгкую избыточность.
diffusion-gemma	10	8	8	9.6	Факты верны, но опечатки ('сновываясь', 'использованиение') снижают чистоту русского и формата.
llama-scout	9	7	6	8.5	Факты верны, но артефакты: '$50\%$', иероглифы '箭ки', 'зайдите сейчас' — портят русский и формат.

Почти все модели верно распознали 50% в белом круге, LIMITED TIME OFFER и SHOP NOW. Полнее и чище всех отработали kimi-k2.6, 35b-a3b и 27b-v2; слабее — llama-scout (артефакты и иероглифы).

vqa_маркетинг_b2509d0b32 — Сравнение двух рекламных баннеров распродажи

vqa · промпт 442 симв. · Победитель: Qwen3.6-27B-FP8 · 9.8/10

▸Промпт задачи

На изображении показаны два рекламных баннера распродажи. Внимательно рассмотри их и ответь на вопросы: 1) Какой текст-заголовок написан крупными буквами на верхнем баннере и какой на нижнем? 2) Какой размер скидки указан на обоих баннерах? 3) Какой призыв к действию (кнопка) повторяется на обоих баннерах? Сделай вывод: насколько эти два баннера относятся к одной маркетинговой кампании и что между ними общего, а что различается визуально.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	9	9.8	Максимально подробный и точный разбор общего и различий, включая цвет кнопок и композицию.
Qwen3.6-35B-A3B-FP8	10	9	9	9.8	Все факты точны, подмечен freepik, различие кнопок и фонов; отличная структура.
gemma-4-31b	10	9	9	9.8	Все факты верны, хорошая структура; не отметил разницу цвета кнопок отдельно.
Kimi K2.6	10	9	9	9.8	Полный точный разбор с упоминанием мемфис-стиля, рамок и цвета кнопок.
GPT-5.5 (low)	10	8	9	9.7	Все факты верны, компактный корректный вывод; меньше деталей о различиях.
GPT-5.5 (medium)	10	8	9	9.7	Точно и ясно, упомянут цвет кнопки и расположение декора.
Nemotron-3-Nano-Omni-30B	10	8	9	9.7	Все факты верны, разумный вывод об адаптации шаблона; цвет фона описан чуть неточно (синий/розовый).
GPT-5.6 Sol (low)	10	8	9	9.7	Точно, отмечены зеркальное расположение и разные цвета кнопок.
GPT-5.6 Sol (med)	10	8	9	9.7	Верно и подробно, точное описание рамок и палитры.
GPT-5.6 Terra (low)	10	8	9	9.7	Точно и сжато, ключевые общее и различия названы.
GPT-5.6 Terra (med)	10	8	9	9.7	Верно и ясно, чуть меньше деталей о цвете кнопок.
GPT-5.6 Terra (high)	10	8	9	9.7	Все факты верны, лаконичный корректный вывод.
GPT-5.6 Luna (low)	10	8	9	9.7	Точный компактный ответ с корректным описанием фонов и декора.
GPT-5.6 Luna (med)	10	8	9	9.7	Верно, но короче и без деталей о цвете кнопок.
GPT-5.6 Luna (high)	10	8	9	9.7	Верно и лаконично, различия по цветам и декору отмечены.
diffusion-gemma	10	8	8	9.6	Верно всё, включая цвет кнопок; мелкие опечатки («брендбу», «Ц кнопки») снижают качество.
llama-scout	9	6	7	8.5	Все факты верны, но LaTeX-разметка ($FINAL$ $SALE$) уродует текст и мешает читаемости.
MiniMax-M3	8	9	9	8.2	Все ключевые факты названы верно: FINAL SALE / SUMMER SALE, скидка ALL PRICES UP TO -50%, кнопка SHOP NOW, различия фона (бирюзовый vs розовый) и цвета кнопки (розовая vs жёлтая). Небольшая неточность: бейдж скидки на нижнем баннере голубой, а не жёлтый; также подзаголовок на картинке набран не капсом.

Все модели верно прочитали FINAL/SUMMER SALE, -50% и SHOP NOW. 27b-v2 дал самый полный и точный разбор; kimi-k2.6 и 35b-a3b близко. llama-scout ниже из-за уродливой LaTeX-разметки.

vqa_общее_1709dc67b9 — Шар в воронке: цвета и эффект иллюзии

vqa · промпт 438 симв. · Победитель: MiniMax-M3 · 9.9/10

▸Промпт задачи

Внимательно рассмотри изображение. В центре находится объёмный шар, помещённый на фоне из множества концентрических колец. Ответь на три вопроса: 1) Какого основного цвета сетчатый узор (ромбовидная решётка) на поверхности шара и какого цвета фон под этой решёткой? 2) Какие основные цвета чередуются в кольцах фона вокруг шара? 3) Какой зрительный эффект создаёт сходящийся к центру рисунок фона — что он "имитирует" по отношению к шару?

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	10	9	10	9.9	Все три пункта верны: салатово-зелёная ромбовидная сетка на фиолетовом шаре, чередование синего и оранжевого с белыми/чёрными полосами, эффект воронки/туннеля с парящим над провалом шаром. Анализ глубже среднего (контраст тёплое-холодное, перспективное искажение), формат чёткий, русский безупречный.
Qwen3.6-27B-FP8	9	9	9	9.0	Все три пункта верны, хорошее описание воронки/вортекса и гравитационной ямы. Точно и структурировано.
Kimi K2.6	9	9	9	9.0	Точно: зелёные линии, фиолетовые ромбы, синий/оранжевый кольца, 3D-воронка. Развёрнуто и верно.
Qwen3.6-35B-A3B-FP8	9	8	9	8.9	Верно: зелёная решётка на фиолетовом фоне, синий/оранжевый кольца, воронка/водоворот. Полный и точный ответ.
gemma-4-31b	9	8	9	8.9	Зелёная решётка на фиолетовом, синий/оранжевый кольца, эффект воронки/туннеля — всё верно и кратко.
GPT-5.5 (low)	9	8	9	8.9	Светло-зелёный узор на фиолетовом, верные цвета колец, эффект воронки/тоннеля. Точно.
GPT-5.5 (medium)	9	8	9	8.9	Все три пункта верны, хорошо описан эффект глубины и втягивания шара в центр.
GPT-5.6 Sol (low)	9	8	9	8.9	Светло-зелёная решётка на фиолетовом, верные кольца, иллюзия тоннеля/воронки. Точно.
GPT-5.6 Sol (med)	9	8	9	8.9	Верно по всем трём пунктам, чёткое описание воронки и втягивания шара.
GPT-5.6 Terra (low)	9	8	9	8.9	Все пункты верны, хорошо перечислены цвета колец и эффект провала под шаром.
GPT-5.6 Terra (med)	9	8	9	8.9	Зелёная сетка на фиолетовом, верные кольца, воронка/отверстие под шаром — всё верно и кратко.
GPT-5.6 Terra (high)	9	8	9	8.9	Светло-зелёная решётка, фиолетовый фон, синий/оранжевый, иллюзия воронки/шахты. Точно.
GPT-5.6 Luna (low)	9	8	9	8.9	Салатово-зелёная сетка, фиолетовый фон, синий/оранжевый, воронка втягивает шар — всё верно.
GPT-5.6 Luna (med)	9	8	9	8.9	Все три пункта верны, эффект вихря/воронки описан корректно, кратко.
GPT-5.6 Luna (high)	9	8	9	8.9	Зелёный узор на фиолетовом, верные цвета колец, туннель/воронка. Кратко и точно.
diffusion-gemma	9	8	7	8.7	Все пункты верны (зелёная сетка, фиолетовый фон, синий/оранжевый, туннель), но обрезанное первое слово 'сновываясь' портит русский.
llama-scout	2	8	9	3.3	Перепутал цвета шара: назвал решётку фиолетовой и заявил, что фон не виден, тогда как решётка зелёная, а фон фиолетовый. Кольца и эффект воронки верны.
Nemotron-3-Nano-Omni-30B	2	8	9	3.3	Инвертировал цвета шара: решётка якобы фиолетовая, фон зелёный — наоборот. Кольца и туннель верны.

Большинство моделей ответили верно; лучшие развёрнуто и точно — 27b-v2 и kimi-k2.6. llama-scout и nemotron-omni перепутали/инвертировали цвета шара.

vqa_общее_c5fdf5f52b — Оптическая иллюзия движения

vqa · промпт 500 симв. · Победитель: MiniMax-M3 · 9.0/10

▸Промпт задачи

Посмотри на изображение. На нём множество одинаковых круглых дисков с концентрическим клетчатым узором, обведённых красным кольцом, на белом фоне. Многим людям кажется, что эти диски вращаются или пульсируют. Ответь на два вопроса: 1) Является ли это вращение реальным движением или зрительной иллюзией, и почему так происходит (объясни, что на самом деле картинка статична)? 2) Назови основные цвета, которые использованы в клетчатом узоре внутри дисков, и какого цвета кольцо по краю каждого диска.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	9	9	9.0	Верно определена оптическая иллюзия (статичное изображение), правильно названы жёлтый и синий в узоре и красное кольцо; объяснение подробное и корректное (MT/V5, микросаккады). Мелкий минус — не назван тип иллюзии («вращающиеся змеи»/периферийный дрейф) и слегка избыточное рассуждение про колбочки.
Kimi K2.6	9	9	9	9.0	Отлично: иллюзия и статика подробно, ровно синий/жёлтый узор и красное кольцо, чистый русский.
Qwen3.6-35B-A3B-FP8	9	8	9	8.9	Кратко и верно: иллюзия, статика, жёлтый/синий/чёрный, красное кольцо. Ясный русский.
gemma-4-31b	9	8	9	8.9	Точно назвала синий и жёлтый узор и красное кольцо, корректно про саккады и статику.
Nemotron-3-Nano-Omni-30B	9	9	8	8.9	Развёрнутое верное объяснение, синий/жёлтый/чёрный, красное кольцо, белый фон. Хорошая структура.
Qwen3.6-27B-FP8	9	9	7	8.8	Глубокое объяснение (Китаока, периферийный дрейф), цвета синий/жёлтый/чёрный, красное кольцо. Портят русский вкрапление 'tiny' и ошибка 'Каждое диск'.
llama-scout	9	8	8	8.8	Верно: иллюзия, статика, синий/жёлтый узор, красное кольцо. Объяснение корректное, но поверхностное.
GPT-5.5 (low)	9	7	9	8.8	Корректно: иллюзия, статика, синий/жёлтый/чёрный/белый, красное кольцо. Сжато.
GPT-5.5 (medium)	9	7	9	8.8	Верное объяснение микродвижений глаз, цвета и красное кольцо названы точно.
GPT-5.6 Sol (low)	9	7	9	8.8	Корректно: статика, жёлтый/синий/чёрный/белый, красное кольцо.
GPT-5.6 Sol (med)	9	7	9	8.8	Верно про иллюзию и цвета (синий/жёлтый/чёрный/белый), красное кольцо.
GPT-5.6 Terra (low)	9	7	9	8.8	Кратко и верно: статика, синий/жёлтый/чёрный/белый, красное кольцо.
GPT-5.6 Terra (med)	9	7	9	8.8	Верно про микродвижения глаз, цвета и красное кольцо названы правильно.
GPT-5.6 Terra (high)	9	7	9	8.8	Иллюзия и статика верно, синий/жёлтый/белый/чёрный узор, красное кольцо.
GPT-5.6 Luna (low)	9	7	9	8.8	Верно про иллюзию, синий/жёлтый/белый узор, красное кольцо. Кратко.
GPT-5.6 Luna (med)	9	7	9	8.8	Иллюзия и статика верно, синий/жёлтый/тёмный узор, красное кольцо.
GPT-5.6 Luna (high)	9	7	9	8.8	Кратко и верно: сине-жёлтые клетки, тёмные участки, красное кольцо, статика.
diffusion-gemma	9	8	7	8.7	Верно про иллюзию и цвета (синий/жёлтый/чёрный/белый, красное кольцо), но есть грамматическая ошибка 'сетчатки глаза получает'.

Все модели верно определили иллюзию, статичность, синий/жёлтый узор и красное кольцо. Kimi-k2.6 лучший по балансу глубины, структуры и чистого русского; близки 27b-v2 и nemotron-omni.

vqa_общее_a41cb106ae — Оптическая иллюзия: сетка вращающихся кругов

vqa · промпт 274 симв. · Победитель: Kimi K2.6 · 9.0/10

▸Промпт задачи

Рассмотрите изображение. Сколько отдельных круговых узоров изображено и как они расположены? Из каких повторяющихся элементов составлен каждый круг, и какие основные цвета преобладают на картинке? Какой зрительный эффект (иллюзию) создаёт это изображение при рассматривании?

Модель	C	F	Ru	Σ	Комментарий судьи
Kimi K2.6	9	9	9	9.0	Самый полный ответ: 9 кругов, 3x3, элементы, цвета, явно назван peripheral drift и усиление в периферийном зрении. Точно и грамотно.
Qwen3.6-35B-A3B-FP8	8	8	9	8.1	Верно: 9 кругов, сетка 3x3, сине-жёлто-чёрные элементы, назван эффект периферийного дрейфа. Элементы описаны как треугольники (в эталоне ромбы), жёлтый центр не выделен.
gemma-4-31b	8	8	9	8.1	9 кругов, 3x3, синий/жёлтый/чёрный, чётко назван эффект движения оп-арта. Элементы — треугольники вместо ромбов, но в целом точно.
diffusion-gemma	8	8	9	8.1	Корректно: 9 узоров, 3x3, цвета, оптическая иллюзия вращения. Треугольники вместо ромбов, жёлтый центр не выделен явно.
GPT-5.5 (low)	8	8	9	8.1	Точно и сжато: 9 кругов, 3x3, треугольные/ромбовидные клинья, иллюзия вращения. Хороший баланс краткости и полноты.
GPT-5.5 (medium)	8	8	9	8.1	Аналогично low: 9 кругов, 3x3, ромбовидные клинья, иллюзия. Всё корректно.
Nemotron-3-Nano-Omni-30B	8	8	9	8.1	Верно: 9, 3x3, отмечен жёлтый центр, синий/чёрный/жёлтый, иллюзия вращения. Упоминание муара слегка неуместно, но не ошибка.
GPT-5.6 Sol (low)	8	8	9	8.1	9 кругов, 3x3, иллюзия движения. Цвет 'жёлто-зелёный' слегка неточен, в остальном верно.
GPT-5.6 Sol (med)	8	8	9	8.1	Верно: 9, 3x3, треугольники/ромбы, иллюзия. 'Жёлто-зелёный' — незначительная цветовая неточность.
GPT-5.6 Terra (low)	8	8	9	8.1	Верно: 9, 3x3, жёлтый центр, треугольники/ромбы, иллюзия движения. Корректно и кратко.
GPT-5.6 Terra (med)	8	8	9	8.1	9 кругов, 3x3, лепестки вокруг жёлтого центра, иллюзия вращения и пульсации. Точно.
GPT-5.6 Terra (high)	8	8	9	8.1	9 кругов, 3x3, отмечен жёлтый центр, синий/жёлтый/чёрный/белый, иллюзия вращения. Точно.
GPT-5.6 Luna (low)	8	8	9	8.1	9 кругов, 3x3, треугольные/ромбовидные сегменты, иллюзия вращения. Кратко и точно.
GPT-5.6 Luna (med)	8	8	9	8.1	Верно: 9, 3x3, радиальные треугольники/ромбы, иллюзия движения и объёма. Корректно.
GPT-5.6 Luna (high)	8	8	9	8.1	Верно: 9, 3x3, отмечен жёлтый центр, ромбы/треугольники, иллюзия вращения и мерцания. Хорошо.
llama-scout	8	6	8	7.8	9 кругов, 3x3, цвета и иллюзия верны, но ответ перегружен избыточными вложенными списками, анализ поверхностный, жёлтый центр не упомянут.
Qwen3.6-27B-FP8	8	7	5	7.6	Содержательно верно (9, 3x3, оп-арт, иллюзия), но в тексте вкраплены иероглифы ('留有', 'узорa'), что сильно портит русский.
MiniMax-M3	7	9	9	7.4	Верно указаны 9 кругов, сетка 3x3, ромбовидно-треугольные радиальные элементы, сине-жёлто-чёрная палитра и иллюзия вращения/мерцания; минусы — центр назван белым вместо жёлтого, вместо peripheral drift придуманы несуществующие термины «иллюзия движения Фишера»/«апертурная иллюзия» и выдумано применение в офтальмологии. Оформление и русский язык на высоком уровне.

Почти все модели дали корректный ответ (9 кругов, сетка 3x3, сине-жёлто-чёрные элементы, иллюзия движения). Kimi-k2.6 наиболее полон и явно называет peripheral drift; 27b-v2 подвёл из-за иероглифов в тексте.

vqa_общее_e6615cd7a0 — Оптическая иллюзия движения с шаром

vqa · промпт 407 симв. · Победитель: MiniMax-M3 · 9.0/10

▸Промпт задачи

Перед вами статичное изображение. Внимательно рассмотрите его и ответьте на вопросы, опираясь на то, что реально видно: 1) Что изображено в центре картинки и из какого узора оно составлено? 2) Какой геометрической фигурой (ячейками) образован весь фоновый узор и какие основные цвета у него? 3) Какой зрительный эффект создаёт это изображение и движется ли что-то на нём на самом деле? Обоснуйте свой вывод.

Модель	C	F	Ru	Σ	Комментарий судьи
MiniMax-M3	9	9	9	9.0	Верно распознаны шар из красно-золотых шестиугольников, гексагональный фон (фиолетовый, золотой, белый) и главное — иллюзорность движения при статичности картинки; мелкие неточности: шар слегка смещён влево (назван строго центральным), формулировка «иллюзия подвижности сетчатки» и упоминание «парения с тенью» немного вольные.
Kimi K2.6	9	9	9	9.0	Наиболее полный и точный ответ: красно-бордовый шар, соты, все цвета, развёрнутое верное обоснование иллюзии и статичности.
Qwen3.6-27B-FP8	8	9	9	8.2	Шар, соты, цвета и корректный вывод об иллюзорности движения. Чёрный цвет фона не упомянут, но в целодостаточно точно.
Qwen3.6-35B-A3B-FP8	8	9	9	8.2	Верно распознан шар слева, шестиугольники и вывод о статичности. Цвет шара назван малиново-фиолетовым (он скорее красно-бордовый), чёрный в фоне не упомянут.
GPT-5.5 (low)	8	8	9	8.1	Красно-бордовые ячейки шара, соты, цвета и тени, корректный вывод о статичности. Хорошо и точно.
GPT-5.5 (medium)	8	8	9	8.1	Шар, шестиугольники, цвета и вывод об иллюзорности верны и аккуратно изложены.
GPT-5.6 Sol (low)	8	8	9	8.1	Шар с бордовыми оттенками, соты, цвета и корректный вывод о статичной иллюзии.
GPT-5.6 Sol (med)	8	8	9	8.1	Шар, соты, бордовые оттенки, цвета и верный вывод об иллюзорности движения.
GPT-5.6 Terra (low)	8	8	9	8.1	Шар с красно-бордовым, соты, цвета и корректный вывод о статичности изображения.
GPT-5.6 Terra (med)	8	8	9	8.1	Шар, соты, цвета (фиолетовый/золотой/белый) и верный вывод об иллюзорном движении.
GPT-5.6 Luna (med)	8	8	9	8.1	Шар, шестиугольники, цвета с тенями и вывод о статичности верны, изложено чётко.
GPT-5.6 Luna (high)	8	8	9	8.1	Шар с малиново-красными участками, шестиугольники, цвета и вывод о статичности верны.
Nemotron-3-Nano-Omni-30B	8	6	6	7.6	Содержательно верно: бордовый шар, соты, статичность. Портит впечатление вставки английских слов (hexagonal-grid, perceived).
llama-scout	7	8	9	7.3	Шестиугольники и статичность распознаны верно, вывод корректный. Не назван красный цвет шара и чёрный в фоне.
gemma-4-31b	7	8	9	7.3	Шар, соты и вывод об иллюзии верны, но цвет шара не отмечен, а вместо чёрного упомянут серый; кратко.
diffusion-gemma	7	9	8	7.3	Полный набор цветов (в т.ч. чёрный) и бордовый шар, верный вывод. Неточность: шар помещён в левую нижнюю часть, опечатка 'шестиугониками'.
GPT-5.6 Terra (high)	7	8	9	7.3	Шар и шестиугольники распознаны, вывод о статичности верен, но белый цвет не назван прямо, формулировка про движение осторожная.
GPT-5.6 Luna (low)	7	8	9	7.3	Кратко, но верно: шар, соты, основные цвета и корректный вывод об иллюзии. Не отмечен красный шар и чёрный.

Почти все модели верно распознали шар из шестиугольников, сотовый фон и сделали правильный вывод о статичной оптической иллюзии. Лучший — kimi-k2.6 за полноту цветов и развёрнутое обоснование.

vqa_маркетинг_4cd6aa5f16 — Промо-акция «Сладкие часы» в Donut Coffee

vqa · промпт 235 симв. · Победитель: Qwen3.6-27B-FP8 · 10.0/10

▸Промпт задачи

Перед тобой рекламный постер кофейни. Внимательно изучи его и ответь: в какие часы действует акция «Сладкие часы», какой процент скидки предлагается и на что именно она распространяется? Также укажи, в каком городе находится заведение.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	10	10	10.0	Все данные точны, аккуратный маркированный список с адресом.
Qwen3.6-35B-A3B-FP8	10	10	10	10.0	Все факты верны, дополнительно указаны места на постере, где найдена информация. Чёткая структура.
llama-scout	10	10	10	10.0	Полный и верный ответ, развёрнутая структура с итоговым резюме.
gemma-4-31b	10	10	10	10.0	Все факты верны, лаконичный чёткий список.
Kimi K2.6	10	10	10	10.0	Полный верный ответ с чёткими заголовками и адресом.
GPT-5.5 (low)	10	9	10	9.9	Все данные верны, ясный ответ, но без адреса и меньшей структуры.
GPT-5.5 (medium)	10	9	10	9.9	Точный ответ, аккуратно разбит по пунктам.
diffusion-gemma	10	9	9	9.8	Факты верны, но обрыв слова «распространяется ак» портит текст.
GPT-5.6 Sol (low)	10	7	10	9.7	Все факты верны, компактный текст.
GPT-5.6 Sol (med)	10	7	10	9.7	Точный ответ одним абзацем.
GPT-5.6 Terra (low)	10	7	10	9.7	Верный сжатый ответ без структуры.
GPT-5.6 Terra (med)	10	7	10	9.7	Точный лаконичный ответ.
GPT-5.6 Terra (high)	10	7	10	9.7	Все данные верны, кратко и по делу.
GPT-5.6 Luna (low)	10	7	10	9.7	Все данные точны, короткий связный ответ.
GPT-5.6 Luna (med)	10	7	10	9.7	Верный лаконичный ответ без структурирования.
GPT-5.6 Luna (high)	10	7	10	9.7	Все факты верны, компактный связный текст без выраженной структуры.
Nemotron-3-Nano-Omni-30B	10	6	10	9.6	Все факты верны, но одним предложением без структуры.
MiniMax-M3	9	9	10	9.1	Все четыре факта названы верно (19:00–21:00, 20%, сладкая продукция, Липецк), дополнительно корректно прочитаны адрес и телефон. Небольшой минус за домыслы, которых нет на постере: конкретизация «выпечка, пончики, десерты», «все сладкие позиции меню» и «каждый вечер».

Все модели верно определили время 19:00–21:00, скидку 20% на сладкую продукцию и город Липецк. Победа за наиболее полным и структурированным ответом.

vqa_маркетинг_f9e737b9bf — Анализ рекламного плаката шаурмы

vqa · промпт 508 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении показан рекламный плакат заведения общепита. Изучите его внимательно и ответьте на три вопроса: 1) Какое блюдо рекламирует плакат и каким способом приготовления, согласно крупному заголовку? 2) Какое слово на маленькой ленте-баннере указывает, что это позиция меню недавно появилась? 3) Какой продукт, помимо самого блюда, выделен в нижней части плаката как фирменная особенность (упомянут в нижней надписи)? Ответьте, опираясь только на текст и изображения, реально присутствующие на плакате.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Все три ответа верны, отмечена белая пиала с соусом — хорошая внимательность к деталям.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Все три ответа верны, с указанием цвета шрифта и точной цитатой надписи. Чётко и структурировано.
diffusion-gemma	10	9	10	9.9	Все три ответа верны, аккуратно оформлено.
GPT-5.5 (low)	10	9	10	9.9	Все ответы верны, лаконично и ясно.
Kimi K2.6	10	9	10	9.9	Все три ответа верны, с точными цитатами надписей. Отлично.
GPT-5.6 Sol (low)	10	9	10	9.9	Все ответы верны, с цитатами заголовка. Хорошо оформлено.
GPT-5.6 Sol (med)	10	9	10	9.9	Все верно, с пояснением про способ приготовления.
llama-scout	10	9	9	9.8	Все ответы верны. Дублирует вопросы в структуре, назвал блюдо как "Шаурма Гриль" — по сути корректно.
gemma-4-31b	10	8	10	9.8	Все ответы верны, но кратко и без пояснений/цитат.
GPT-5.5 (medium)	10	8	10	9.8	Все верно, но очень сжато, без деталей.
MiniMax-M3	10	9	9	9.8	Все три ответа полностью верны: шаурма на гриле, слово «НОВИНКА» на ленте, легендарный соус «Гриль». Оформление чёткое и пронумерованное, без галлюцинаций, хотя визуальных деталей (пиала с соусом) не упомянуто.
GPT-5.6 Terra (low)	10	8	10	9.8	Все верно, кратко.
GPT-5.6 Terra (med)	10	8	10	9.8	Все верно, кратко и точно.
GPT-5.6 Terra (high)	10	8	10	9.8	Все верно, кратко и точно.
GPT-5.6 Luna (low)	10	8	10	9.8	Все верно, кратко и ясно.
GPT-5.6 Luna (med)	10	8	10	9.8	Все верно, кратко и ясно.
GPT-5.6 Luna (high)	10	8	10	9.8	Все верно, кратко и ясно.
Nemotron-3-Nano-Omni-30B	9	7	8	8.7	Ответы верны, но предельно кратко и с опечаткой "Грилль".

Все модели дали три правильных ответа; задача несложная. Лидеры (kimi-k2.6, 27b-v2, 35b-a3b) добавили точные цитаты и детали, поэтому чуть выше по reasoning.

vqa_маркетинг_1f61cd24a1 — Сравнение цен на кофейных постерах

vqa · промпт 295 симв. · Победитель: Qwen3.6-27B-FP8 · 9.9/10

▸Промпт задачи

На изображении три рекламных постера кофейни. На двух из них указаны цены в рублях. Внимательно рассмотрите постеры и ответьте: какой товар стоит дороже — «Кофе дня» (авторский напиток) или 100 граммов кофейных зёрен «Бразилия»? На сколько рублей одно дороже другого? Укажите обе цены и разницу.

Модель	C	F	Ru	Σ	Комментарий судьи
Qwen3.6-27B-FP8	10	9	10	9.9	Точные цены и разница, аккуратная структура с указанием постеров.
Qwen3.6-35B-A3B-FP8	10	9	10	9.9	Обе цены верны (125 и 140), зёрна дороже, разница 15; чёткая структура с расчётом.
gemma-4-31b	10	9	10	9.9	Верные цены, зёрна дороже на 15 ₽, компактно и ясно.
diffusion-gemma	10	9	10	9.9	Все данные прочитаны верно, расчёт и вывод корректны.
GPT-5.5 (medium)	10	9	10	9.9	Точный и структурированный ответ, все три величины на месте.
MiniMax-M3	10	9	10	9.9	Обе цены прочитаны верно (125 ₽ и 140 ₽), правильно определено, что зёрна дороже, разница 15 ₽ посчитана корректно. Ответ структурирован, добавлено уместное примечание о разных единицах измерения; форматирование слегка избыточно для простого вопроса.
Kimi K2.6	10	9	10	9.9	Все цены и разница верны, чёткий вывод о том, что зёрна дороже.
llama-scout	10	9	9	9.8	Всё верно, формула и вывод; латинские кавычки вместо ёлочек — мелочь.
GPT-5.5 (low)	10	8	10	9.8	Верно, но без явного указания, что зёрна дороже словами — вывод из чисел.
GPT-5.6 Sol (low)	10	8	10	9.8	Верно, есть выделение чисел, компактно.
GPT-5.6 Sol (med)	10	8	10	9.8	Правильный ответ, аккуратное выделение разницы.
GPT-5.6 Terra (low)	10	8	10	9.8	Все данные верны, есть разбивка на строки.
GPT-5.6 Terra (med)	10	8	10	9.8	Верно, зёрна дороже на 15 ₽, компактный формат.
Nemotron-3-Nano-Omni-30B	10	9	8	9.7	Данные верны, но опечатки «Кофеинные» и латинская e в «постерe».
GPT-5.6 Terra (high)	10	7	10	9.7	Верно, но одной строкой без структуры.
GPT-5.6 Luna (low)	10	7	10	9.7	Правильные цены и разница, минимальное оформление.
GPT-5.6 Luna (med)	10	7	10	9.7	Верно, лаконично, без структуры.
GPT-5.6 Luna (high)	10	7	10	9.7	Верно и лаконично, но однострочный формат без структуры.

Все модели прочитали 125 ₽ и 140 ₽ верно, определили зёрна как более дорогие и посчитали разницу 15 ₽; различия лишь в детализации и структуре.