Демо проект

Сравнение llm моделей в различных условиях

Моделей: 3 Критериев: 1 Лидер: ChatGPT

Сценарии (промпты)

Выберите отдельный сценарий или общую сводку по всем сценариям.

Общая сводка Научный сценарий Безумный сценарий Творческий сценарий Логический сценарий Редактирование изображений Редактирование изображений
Хочу миллион картинок с яблоком

Общая сводка по всем сценариям

Сценариев: 6 Моделей: 3 Критериев: 51 Лидер: DeepSeek

Рекомендована DeepSeek (K=0.691). Моделей: 3 · Критериев: 51.

Рейтинг моделей по всем сценариям

Место Модель K Взвешенная сумма Интерпретация Пропуски
1 DeepSeek 0.691 19.350 Приемлемая модель, требуется доработка. 1
2 Алиса AI 0.602 16.850 Приемлемая модель, требуется доработка. 1
3 ChatGPT 0.564 15.800 Слабая модель, нужна настройка или замена. 1

Метрики LLM по всем сценариям

Модель Accuracy Precision Recall F1-score BLEU ROUGE-L BERTScore Perplexity
ChatGPT 0.576 0.608 0.544 0.574 0.558 0.567 0.574 38.9
DeepSeek 0.676 0.720 0.632 0.673 0.648 0.662 0.672 30.9
Алиса AI 0.584 0.592 0.576 0.584 0.566 0.575 0.582 38.3

Общая аналитика

Рейтинг по K
Весовая структура критериев
Профили лидеров
Вклад критериев лидера
Тепловая карта оценок
ComparatorAI Модель: meta/Meta-Llama-3.1-8B-Instruct · Обновлено: 2026-05-29 07:59:16 
В ходе сравнения моделей LLM в различных условиях выявлены следующие результаты. 

Лидером в данном проекте является модель DeepSeek, которая показала наилучшие результаты по критериям точности ответа, логичности и структуры, глубины и полноты ответа. 

Модель DeepSeek также показала наилучшие результаты по метрикам точности, предсказательной силы, воспринимаемой полезности и F1-меры. 

Модель Алиса AI заняла второе место, показав хорошие результаты по критериям точности ответа, логичности и структуры, глубины и полноты ответа. 

Модель ChatGPT заняла третье место, показав средние результаты по критериям точности ответа, логичности и структуры, глубины и полноты ответа. 

Однако, стоит отметить, что модель DeepSeek показала наибольший разрыв в лидерстве по критериям точности ответа и логичности и структуры. 

В целом, результаты показывают, что модель DeepSeek является наилучшим выбором для данного проекта, но также необходимо учитывать сильные и слабые стороны каждой модели, а также риски и условия смены лидера. 

Рекомендуемая модель: DeepSeek.

Причина выбора: Наилучшие результаты по критериям точности ответа, логичности и структуры, глубины и полноты ответа.

Сильные стороны: Наилучшие результаты по метрикам точности, предсказательной силы, воспринимаемой полезности и F1-меры.

Слабые стороны: Низкие результаты по критериям контекстной согласованности, скорости ответа и эффективности исправления ошибок.

Риски: Низкие результаты по критериям контекстной согласованности, скорости ответа и эффективности исправления ошибок.

Условия смены лидера: Если модель Алиса AI или ChatGPT покажут наилучшие результаты по критериям точности ответа, логичности и структуры, глубины и полноты ответа.

Практические выводы для LLM: Нужно учитывать сильные и слабые стороны каждой модели, а также риски и условия смены лидера.

Краткое резюме

Моделей: 3 Критериев: 1 Лидер: ChatGPT

Рекомендована ChatGPT (K=0.000) · Отрыв от DeepSeek: 0.000 · Пропуски: 1


Рейтинг моделей

Место Модель K
1 ChatGPT 0.000
2 DeepSeek 0.000
3 Алиса AI 0.000

Критерии сценария

Редактирование изображений

Группа Критерий Описание Вес

Добавить критерии

Список моделей

Название Описание
ChatGPT Модель от openai
DeepSeek Модель от одноименной DeepSeek
Алиса AI Модель от Яндекса

Добавить модель

Библиотека моделей

Название Описание
DeepSeek Модель от одноименной DeepSeek
Гигачат Модель от Сбера
Алиса AI Модель от Яндекса
Claude Opus Модель от Anthropic
ChatGPT Модель от openai

Ввод оценок

Критерий ChatGPT DeepSeek Алиса AI
2

Импорт оценок из CSV

Формат: model, criterion, score

Рейтинг моделей

Место Модель K Взвешенная сумма Интерпретация Пропуски
1 ChatGPT 0.000 0.000 Не рекомендуется к применению. 1
2 DeepSeek 0.000 0.000 Не рекомендуется к применению. 1
3 Алиса AI 0.000 0.000 Не рекомендуется к применению. 1

Метрики оценки LLM

Модель Accuracy Precision Recall F1-score BLEU ROUGE-L BERTScore Perplexity
ChatGPT 0.000 н/д н/д н/д 0.040 0.020 0.010 85.0
DeepSeek 0.000 н/д н/д н/д 0.040 0.020 0.010 85.0
Алиса AI 0.000 н/д н/д н/д 0.040 0.020 0.010 85.0

Оценка по методике TOPSIS

TOPSIS появится после добавления моделей, критериев и оценок.

Вклад критериев

Критерий Вес Оценка Вклад
2 0.10 н/д н/д

Сильные и слабые стороны

Модель Сильные стороны Слабые стороны Пропуски
ChatGPT н/д н/д 1
DeepSeek н/д н/д 1
Алиса AI н/д н/д 1

Почему победила модель

Победила ChatGPT с K=0.000.
Ближайший конкурент: DeepSeek (отрыв 0.000).
Критерий Лидер Конкурент Разрыв (вес)

Визуализация

Рейтинг по K
Весовая структура критериев
Профили лидеров
Вклад критериев лидера
Тепловая карта оценок

Анализ чувствительности

Пересчёт происходит автоматически при изменении ползунков.

Новый рейтинг при изменённых весах

Место Модель K
1 ChatGPT 0.000
2 DeepSeek 0.000
3 Алиса AI 0.000

Финальная сводка

Итоговый отчёт
Проект: Демо проект
Сценарий: Редактирование изображений

Рекомендуемая модель: ChatGPT
Интегральная оценка (K): 0.000
Интерпретация: Не рекомендуется к применению.

Почему именно эта модель:
- Ключевые критерии вклада: н/д
- Отрыв от второго места: 0.000
- Выбор чувствителен к изменениям весов.
- Ближайший конкурент: DeepSeek
- Пропуски в оценках лидера: 1

Условия, при которых выбор может измениться:
- Отрыв от второго места небольшой, поэтому выбор чувствителен к настройке весов.
- Есть пропуски в оценках — при их заполнении итог может поменяться.

Примечание: расчёт основан на включённых критериях и текущих весах.
Экспортировать отчёт в PDF