T31 · промежуточные результаты · 29.09.2026 03:40 МСК
Один прогон, 12 учебных товаров, 5 моделей через OpenRouter (участники), два слоя промпта: full — prompt.md с правилами Авито, short — «Напиши объявление для Авито: <паспорт>». Скрипт — score.py, судья — judge.py (два прохода, temperature 0, вслепую), сводка — agg.py → runs/summary-auto.json. Знаменатель — 12 объявлений на участника и слой; «нет ответа» = не принято.
Принято без блокеров B1–B5 (из 12)
| Модель | full (с правилами) | short (как пишет обычный пользователь) | $ за 100 объявлений full / short |
|---|---|---|---|
| luna — openai/gpt-6-luna | 12 | 12 | 0,04 / 0,01 |
| haiku — anthropic/claude-haiku-4.5 | 12 | 7 (B1 2, B2 1, B3 3, B4 1, B5 1) | 0,15 / 0,16 |
| dsflash — deepseek/deepseek-v4.1-flash | 12 | 8 (B1 3, B4 2) | 0,55 / 0,09 |
| gflash — google/gemini-3.8-flash | 11 (1 пустой ответ) | 2 (B1 9, B2 2, B3 3, B4 6, B5 1) | 1,78 / 0,49 |
| qwen — qwen/qwen3.8-max-0902 | 9 (3 без ответа при 12 000 токенов) | 10 (B1 1, B2 1, B4 1) | 15,59 / 0,75 |
- Цена —
usage.cost, все попытки; для 16 пустых первых попыток (лимит 4000) стоимость затёрлась в логе и оценена равной повтору (ошибка обвязки, исправлена). - M3 (дефект б/у не в первых двух предложениях, из 7 б/у): full — dsflash 3, haiku 7, luna 1, qwen 4, gflash 0; short — 7 у всех, кроме gflash (2).
- Разметка markdown (
**,#, списки) — во всех 60 ответахshort, ни в одномfull. Рендерит ли Авито markdown — не проверено. - «Советы продавцу» вместо/вокруг объявления (META) в
short: gflash 10, dsflash 5, haiku 2, qwen 2, luna 0. - С правилами qwen тратит 6–12 тыс. токенов рассуждений на одно объявление (подсчёт знаков); отсюда цена ×20 и 3 пустых ответа. gflash и dsflash — тоже рассуждают сверх 4000 на части товаров.
- Повторяемость (difflib ≥ 0,8 между новыми товарами) — 0 пар у всех.
Проверка судьи — ручная выборка 12 (runs/manual-sample.json, seed 20260929, по одному на товар)
Совпадение по блокерам: 11/12 (порог протокола ≥ 10/12 — судья принимается). Расхождение: gflash U02 short — «отправлю любой службой (Почта России, СДЭК, Boxberry…)» при условии «Авито Доставка — да»: редакция — B2, судья — нет. Судья склонен пропускать B2 про способы доставки; при подготовке таблицы статьи — прочитать все short-ответы gflash и haiku с B2 = 0. Прочие 11: вердикты совпали, включая B1 gflash P05 («прочный качественный пластик») и B4 haiku U04 («Контакты: [укажите номер телефона]»). - Два прохода с temperature 0 почти тождественны (1 расхождение на 116 × 7 флагов) — второй проход независимости не добавляет; для T-тестов дальше — второй проход другой моделью или ручная выборка больше. - haiku P03 full — выдала объявление дважды подряд (не блокер, форма).
Не проверено
Выдача Яндекса по «нейросеть для авито»; модерация Авито (объявления не публикуем); встроенный ИИ Авито — только по документации; ChatGPT по подписке и онлайн-генераторы без входа — ещё не прогоняли; B4-заголовок и M1 для short скриптом не считаются (заголовок выделяет судья).
Онлайн-генераторы без входа (29.09 03:50–04:12, браузер без входа; runs/generators/)
Вход сжат до «как написал бы продавец» (≤ 300 знаков — предел поля aisearch без входа; form-inputs.json) — отклонение от протокола: генератор видит паспорт без меток «Категория/Факты». Знаменатель у генераторов — сколько объявлений удалось получить без входа, не 12.
| Сервис | Получено без входа | Что сломалось (редакция, по протоколу) |
|---|---|---|
| aisearch.ru/gpt/ad-avito | 2 из 12 (P01, P02), затем «Бесплатные попытки на сегодня закончились» | P01: заголовок 72 знака > 50; «Доставка по Соколу» вместо самовывоза у м. Сокол; «торга нет» потеряно. P02: «для женщин» — нет в паспорте; «Материал: сетчатая вязка»; «торг уместен» потерян |
| ujeen.ru (генератор объявления для Авито) | 1 (U01) — чат из 4 вопросов | заголовок капсом «ПРОДАЕТСЯ Б/У…»; ответ в обёртке ```html; «надежный ноутбук» без основания; дефекты раскрыты |
| tools.pixelplus.ru (write-ad-avito) | 0 — нужен вход (регистрация; «доступ на 30 дней за 99 рублей») | не тестировали: нужен вход |
| neuropanda.app | 0 — ERR_CONNECTION_REFUSED 29.09 03:49 | не открылся |
Вывод для статьи (предварительно): без входа генераторы дают 1–2 объявления, и в каждом из трёх полученных — минимум одна ошибка, которую Авито или покупатель заметят (заголовок, условия доставки/торга, выдуманная деталь). Статистики по 3 объявлениям нет — в статье это примеры, не таблица долей.
Итог с поправками редакции (29.09 04:11, agg_editorial.py → runs/summary-final.json)
Перечитала все short-ответы gflash и haiku с B2 = 0 и все B4. Поправки — runs/editorial-overrides.json (9 шт.): судья засчитывал B4 за «звоните»/«пишите в сообщения на Авито» без номера (gflash P02, P04, S02, S03, U04) и за скидку в описании (gflash P03; A1 запрещает только в заголовке); скрипт принял «###» за хештег (dsflash U02); + B2 gflash U02 (ручная выборка); + B1 dsflash S01 («Все функции проверены…», проходы судьи разошлись).
Принято без блокеров, short: luna 12 · qwen 10 · dsflash 8 · haiku 7 · gflash 1. full — без изменений. B4 short после поправок: haiku U04, qwen P02, dsflash P02 (хештеги в советах), gflash 0. На принятие ложные B4 не влияли — у всех этих ответов gflash есть B1. Урок: «звоните» без номера судья читает как контакт — в промпт судьи T-тестов добавить явное «контакт = номер, e-mail, ссылка, @, мессенджер; призыв позвонить без номера — не контакт».