روش آزمون
همه مدل‌ها دقیقاً با همون پرامپت‌ها و همون تنظیمات از آزمون فصل ۱ رد میشن، برای همین نمره‌ها با هم قابل مقایسه‌ان.
- 01
کارنامه سریع (۴۰ امتیاز)
۲۰ سؤال کوتاه: منطق، زبان کوچه و نسل Z، ادبیات، حساب، پیروی از دستور و تله. هر سؤال ۳ بار پرسیده میشه و اگه دست‌کم ۲ بار درست جواب بده، قبوله. بیشتر سؤال‌ها رو کد تصحیح می‌کنه، نه آدم و نه هوش مصنوعی.
- 02
ویترین (۶۰ امتیاز)
۸ ساخت تعاملی در یک فایل HTML: بازی سیمرغ، کلونی مورچه‌ها، برج آزادی سه‌بعدی، سنتور، لندینگ فارسی، تقویم شمسی، گره‌چینی و فروشگاه. هر کدوم ۷٫۵ امتیاز داره و با یه چک‌لیست ۹ تا ۱۳ بندی سنجیده میشه.
- 03
مرورگر خودکار
هر ساخت توی یه مرورگر واقعی باز میشه، کلیک و کیبورد زده میشه، ۴ عکس گرفته میشه و چیزهایی مثل خطاها، صدا، نرخ فریم و درستی تاریخ‌ها با کد اندازه‌گیری میشن. نتیجه این بندها رو داورها نمی‌تونن عوض کنن.
- 04
هیئت داوری
بندهایی که سلیقه یا فهم لازم دارن رو سه داور از سه شرکت مختلف بررسی می‌کنن: Gemini 3.8 Flash، Claude Haiku 5.5 و Jev. هر بند با اکثریت رأی‌ها تصمیم گرفته میشه و دست‌کم دو رأی قطعی لازم داره. داوری که مطمئن نیست رأی نمیده، و اگه داورها به نتیجه نرسن، تا دو داور کمکی از شرکت‌های دیگه نظر میدن. هیچ داوری مدل‌های شرکت خودش رو داوری نمی‌کنه.
- 05
دو اجرا برای هر مدل
نتیجه یه اجرا می‌تونه چند امتیاز بالا و پایین بشه، چون هر ساخت ویترین فقط یه بار ساخته میشه. برای همین هر مدل دو بار آزمون میده و نمره رسمیش میانگین اجراهاست؛ بازه نمره‌ها هم کنارش نشون داده میشه. مدلی که هنوز یه اجرا داره «موقت» علامت می‌خوره. اگه دو اجرا بیش از ۸ امتیاز با هم فرق داشته باشن، اجرای سوم هم گرفته میشه. ساخته‌ها و کارنامه هر اجرا جدا توی صفحه مدل هستن.
- 06
هزینه
هزینه‌ای که کنار هر مدل می‌بینید، پولیه که خود مدل برای جواب دادن به کل آزمون گرفته. اصلش به دلاره و تومانش با نرخ دلار آزاد همون روز حساب میشه (از tgju.org، و اگه در دسترس نبود از قیمت تتر در نوبیتکس)، پس با عوض شدن نرخ، خودبه‌خود عوض میشه. هزینه داوری جداست و توی مقایسه حساب نمیشه، چون به خود مدل ربطی نداره. اگه سرور ارائه‌دهنده وسط کار خطا بده، درخواست دوباره فرستاده میشه و اون خطا به حساب مدل نوشته نمیشه.
- 07
نظر محسن
نمره شخصی من از ۱۰، جدا از نمره MRMP نمایش داده میشه و توی رتبه‌بندی اثری نداره.
- 08
سؤال‌های خصوصی
۵ سؤال هیچ‌وقت منتشر نمیشن، تا مدل‌های بعدی نتونن جوابشون رو از قبل یاد بگیرن. برای همین روی مدل‌های رایگان هم اجرا نمیشن.
- 09
رتبه
S از ۹۰ به بالا، A از ۸۰، B از ۶۵، C از ۵۰، و D زیر ۵۰.