T01 v2 · открытая запись сравнения текстовых моделей

На десяти учебных товарах GPT-5.4 mini дала два чистых текста из десяти и четыре с грубой выдумкой. Среди пяти участников чистых текстов — четыре из 43 годных: без вычитки не годится ни один результат сравнения как гарантия для каталога. Полная стоимость DeepSeek и Qwen неизвестна из-за неполных квитанций (журнал, разметка).

Это открытая запись текстового слоя, а не новый прогон и не проверка моделей сегодня. Общая статья с результатами фото, сервисов и практическим выбором — «Нейросети для карточек товара».

Прогоны — 28.09.2026; сверка стоимости — 05.10.2026 (журнал). Редакция использовала замороженный протокол, run_text.py, итоговый журнал и сохранённые ответы. Длина названий и статистика слов — stats.md; классы выдумок — facts-r3.md. Разметка сохранена в text/facts-labels.json. Отдельную историческую квитанцию модели-разметчика, изоляцию её контекста и заявленную раньше авторскую сверку четырёх карточек нынешняя проверка не подтвердила. Поэтому эти действия не объявляем доказанной независимой приёмкой.

Итог (знаменатель — 10 входов P1–P10 на модель)

Годный текст — ответ с названием и описанием без обрыва. Сбой — finish_reason=length без текста после повтора: 2 000 токенов ушли на рассуждения (deepseek P2/P4/P8, qwen P3/P6); qwen P4 оборван на «Ремень плет», P10 — на середине. Сохранены свидетельства 59 различимых текстовых попыток: 45 ответов с текстом и 14 ответов без текста. Журнал text/runs.jsonl содержит 50 итоговых записей — по одной на пару модель/товар. Сумма стоимости этих записей — $0,4552416372; она включает пять последних сбоев, но не включает девять первых сбойных попыток перед повтором. Их ответы обрезаны, поле стоимости не сохранилось. Полная стоимость всех попыток не подтверждена (журнал, реестр сохранённых попыток).

У DeepSeek не сохранена стоимость шести первых сбоев, у Qwen — трёх. Их цена за годный текст рассчитана только по итоговым записям. У GPT-5.4 mini, Gemini 3.1 Pro и Claude Sonnet 5 повторов в сохранённом пакете нет, цена подтверждена полными квитанциями (журнал).

Что это значит для читателя

1. В этом прогоне чистых текстов мало. Чистых — 4 из 43 годных текстов (GPT-5.4 mini 2, DeepSeek 2). Типичные выдумки одинаковы у всех: пол и возраст («подойдёт женщинам и мужчинам», «подарок детям»), размер («компактный, помещается в карман»), материал намёком («рельеф кожи», «натуральный массив»), «ручная работа» у вязаных вещей, защитные свойства («герметичность», «защищает лапы от холода»). Всё это — темы из unknown, модель их не знала (разметка, паспорта, второй круг).
2. Дороже ≠ точнее. GPT-5.4 mini ($0,0013 за годный текст) — среди лучших по выдумкам; у Gemini 3.1 Pro ($0,0227) грубых выдумок больше, а подтверждённая цена примерно в 17 раз выше. По полной стоимости всех пяти моделей их не ранжируем (журнал).
3. Названия не всегда укладываются в ограничение WB. Sonnet 5 превысил 60 символов в 4 из 7 WB-карточек, Gemini — в 2 (статистика, инструкция WB).
4. Кавычки из паспорта перешли в ответы. Все 5 моделей перенесли «сердца» в название Ozon (P7), а среди разрешённых символов Ozon нет « » (сохранённая инструкция, правила названия Ozon). Перед вставкой приводите ответ к разрешённым символам.
5. Бытовой хвост. GPT-5.4 mini в 1 из 10 ответов дописал «Если хотите, я могу ещё подготовить…» — при вставке без чтения уйдёт в карточку (ответы).
6. На лимите 2 000 токенов были пустые и усечённые ответы. Из десяти итоговых пар модель/товар у DeepSeek три ответа без текста, у Qwen два без текста и два усечённых. В журнале — finish_reason=length; вариант с большим лимитом не проверяли, поэтому увеличение лимита не обещаем как готовое решение (журнал, протокол).

Методика и область применения

Исполнитель — Редакция Кометы. Слой текста выполнялся через OpenRouter; фото и сведения о товаре одинаковы между пятью моделями. P1–P3 — паспорта, P4–P10 — паспорта второго круга. В запросе: категория, три факта, «Неизвестно — не упоминай», фото; к общему запросу добавлялась строка «Главное фото не генерируй — дай только название и описание». Одно user-сообщение, без system, фото в JPEG до 1024 px по длинной стороне; max_tokens=2000, температура по умолчанию. Один ответ на пару модель/товар; сбой допускает один повтор, не отбор красивых ответов (протокол, исполнявшийся код).

Пять точных API-идентификаторов и исторические цены за миллион входных/выходных токенов:

Тарифы — снимок в день прогона, не цены сегодня. Фактические известные затраты — в журнале и полных квитанциях, а не расчёт по прайсу. «Чистый» — без грубых, мягких и видимых искажений по сохранённой разметке. Годный — с названием и описанием, без обрыва; это не готовый к публикации текст. Для Qwen 1/8 искажений включает усечённый P10, среди 6 годных искажений 0/6 (разметка, журнал).

Новые прогоны, измерение согласованности разметчиков, модерация и продажи не проверялись. Фото при исторической разметке не открывались: видимое описывалось паспортом. Это ограничивает выводы об искажениях, а не доказывает, что модели увидели всё правильно.

Почему длины в двух файлах различаются

stats.md — черновой regex-счёт «кандидаты, не итог». facts-labels.json содержит отдельные строки названий. При нынешней сверке все 45 названий из разметки найдены в исходных ответах; длина каждой строки совпала с title_len. Для счёта превышений WB используем эти строки, а не захваченные regex-фрагменты; усечённые ответы исключены из годных. Исторические файлы не переписываем (ответы, разметка).

Знаменатели WB — только годные ответы на семь WB-входов P1/P2/P3/P4/P6/P8/P10: GPT, Gemini и Sonnet — по семь; DeepSeek — четыре; Qwen — три. У DeepSeek все четыре названия короче 61 символа, поэтому итог — 0/4. P7 относится к Ozon и в знаменатель WB не входит (правило WB, паспорта, второй круг, разметка).

Конкретные входы и примеры ответов

SKU-P1-wallet

Категория: Кошельки; площадка: Wildberries. Факты: Кошелёк; Цвет чёрный; Фактурная поверхность. Неизвестно: материал; размер; число отделений; страна изготовления; бренд. Это учебный паспорт, не характеристики продаваемого товара.

Запрос:

Сделай карточку товара для Wildberries: главное фото, название и описание.
Категория: Кошельки.
Характеристики: Кошелёк; Цвет чёрный; Фактурная поверхность.
Неизвестно (не упоминай): материал, размер, число отделений, страна изготовления, бренд.
Фото товара приложено — товар не меняй.
Главное фото не генерируй — дай только название и описание.

SKU-P7-crochetpillow

Категория: Декоративные подушки; площадка: Ozon. Факты: Декоративная подушка; Вязаная; Узор «сердца». Неизвестно: размер; наполнитель; съёмный чехол; состав пряжи; бренд. Это учебный паспорт, не характеристики продаваемого товара.

Запрос:

Сделай карточку товара для Ozon: главное фото, название и описание.
Категория: Декоративные подушки.
Характеристики: Декоративная подушка; Вязаная; Узор «сердца».
Неизвестно (не упоминай): размер, наполнитель, съёмный чехол, состав пряжи, бренд.
Фото товара приложено — товар не меняй.
Главное фото не генерируй — дай только название и описание.

Ниже — дословные фрагменты ответов на один и тот же P1. Полные ответы сохранены неизменными; квитанции и все P1–P10 — в журнале текстового слоя. Оценки и последствия — в следующей таблице.

GPT-5.4 mini · P1

Кошелёк мужской чёрный с фактурной поверхностью

Полный исходный ответ.

Gemini 3.1 Pro · P1

Благодаря такому дизайнерскому решению бумажник не только благородно выглядит и красиво переливается на свету, но и очень приятно и надежно лежит в руке, не выскальзывая.

Полный исходный ответ.

Claude Sonnet 5 · P1

Стильный кошелёк чёрного цвета с выразительной фактурной поверхностью, напоминающей естественный рельеф кожи.

Полный исходный ответ.

DeepSeek V4 Flash Vision · P1

Кошелек черный с фактурной поверхностью

Полный исходный ответ.

Qwen 3.8 Max · P1

Такая текстура практична в ежедневном использовании — на ней менее заметны следы повседневной носки, поэтому аксессуар долго сохраняет аккуратный вид.

Полный исходный ответ.

Что показывают ответы P1

Паспорт P1 и запрос показаны выше; Gemini также разделил название слэшем, которого WB просит избегать (правила WB). Это отдельное площадочное замечание, а не новый класс фактической ошибки.

Реальная ошибка DeepSeek на P10

P10 — пластиковый ковш с ручкой и носиком; в видимых признаках паспорта названы ребристые стенки. DeepSeek написал: «Прочный, гладкий и простой в уходе — легко моется и быстро сохнет». Сохранённая разметка относит «гладкий» к искажению видимого, а обещания ухода — к мягким выдумкам. Продавцу нужно убрать или проверить описание гладкой поверхности: оно противоречит паспорту. Это старый ответ и старая оценка, не новый тест (паспорт, ответ, разметка).

Происхождение входов

P1–P3 — фото с Wikimedia Commons, CC0/Own work: кошелёк, четыре ботинка, бутылка. Снимок прав сохранён при исходном тесте инфографики; те же SHA перенесены в паспорта T01. P4–P10 — CC0/Own work, URL, лицензия и SHA каждого фото в inputs-c2.json. CC0 — заявление загрузившего, независимая проверка авторства не проводилась. Факты, запросы и разбор — редакционные. Новых чужих товаров и отзывов для этого исправления не брали.

Как использовать результат

Прямой доступ к поставщикам моделей и официальную оплату OpenRouter из России в этом тесте не проверяли. Факт исторического вызова через редакционный API не означает доступность для российского продавца и не предлагает обход ограничений. Перед интеграцией нужны официальные условия канала; если их нет, этот сценарий не готов для работы.

Условный бюджет на 1 000 годных ответов при повторении среднего расхода нашего прогона, без затрат на разработку и вычитку. Исторический курс: 84,3414 ₽/$, дата в XML — 26.09.2026, выгрузка сохранена в день теста (ЦБ); это не сегодняшний курс.

Это расчёт по известным итоговым квитанциям, а не новый расход и не прогноз успеха (журнал). DeepSeek и Qwen не включены: стоимость первых сбоев неизвестна. Затраты на вычитку не замеряли, поэтому окупаемость не заявляем. При неподходящем канале оплаты или автоматической публикации без вычитки этот сценарий не подходит.

Как спорные классы ограничивают вывод

• «Герметичность», «защита от протечек», «отвод тепла», «многократное использование» — отнесены к грубой (как «защита в любую погоду» в r3). Если считать их мягкими, грубых у Gemini и Sonnet меньше. Устойчивость порядка моделей при одновременной переклассификации всех спорных фраз не проверена; не утверждаем, что порядок сохранится (классы, разметка).
• «Хранение банкнот, карт и мелочей» у GPT-5.4 mini P1 — грубая (косвенно про число отделений). Даже если убрать эту претензию, остаётся «Кошелёк мужской»: число чистых остаётся 2 из 10 (ответ P1, разметка).
• «Искажение» — противоречие видимому на фото по visible_features (чёрный вместо тёмно-синего, «гладкий» вместо ребристого), не фактам паспорта: по фактам паспорта искажений 0 у всех (как в r3).

Проверено / не проверено

• Сверка стоимости 05.10.2026: 45 полных квитанций успешных ответов совпадают с итоговым журналом. Для пяти последних сбоев стоимость доступна только в журнале; для девяти первых сбоев не сохранена. Прежний подсчёт 64 складывал 50 итоговых записей и 14 файлов сбоев, повторно учитывая пять последних сбоев. В сохранённом пакете 45 разметок соответствуют 45 файлам; при нынешней механической сверке сравнили успешные квитанции с итоговым журналом и пересчитали таблицу. Это сверка свидетельств, не новая независимая оценка текстов. Прежнюю фразу об авторской сверке четырёх карточек сняли: отдельного журнала нет.
• Не проверено: историческая квитанция разметчика и отдельный журнал сверки четырёх карточек; вторая независимая разметка (согласованность разметчиков); фото при разметке не открывались (видимое — по паспорту). Максимум в механической статистике — 259 слов, а не 219; это не посимвольная проверка требований Ozon, и соблюдение ограничения описания этим не доказано (stats.md).

Исправление

Исправлено 6 октября 2026: 64 вызова заменены на 59 различимых попыток; сумма относится к 50 итоговым записям, а не полному расходу. Уточнили максимум 259 слов, знаменатель искажений Qwen, оставшуюся грубую выдумку GPT P1 и неподтверждённую историческую сверку. Доли годных, грубых и чистых текстов не изменены (журнал, разметка, статистика).

Источники

• Замороженный протокол, первичные ответы, разметка, статистика, паспорта P1–P3 и P4–P10.
• Правила WB: карточка товара, живое чтение 06.10.2026; Ozon: название товара, сохранённый снимок в день теста, повторная выдержка 30.09.2026.
• Реестр 59 сохранённых попыток: реконструкция по сохранённым свидетельствам, не новый API-прогон.
• Тариф API в день прогона, курс ЦБ.
• Следующая проверка цен и правил — 28.10.2026. Эта запись исторического прогона не подменяет её свежим тестом.

Редакция Кометы · Как работает редакция