trakkr.ai

Trakkr прогнал шесть моделей через 61 политический вопрос, по двенадцать раз каждый, с выключенными веб-поиском и рассуждениями — чтобы повторить дефолт обычного пользователя. Классификатор оценивает каждый ответ от −1 до +1, судья из другой лаборатории перепроверяет выборку. Gemini выходит нейтральным, ChatGPT на −0,29, Grok на +0,21.

Автор сам пришёл в тред защищать свою оценку от главного возражения: вы меряете не модель, а зазор между ней и тем, кто писал рубрику. А самая меткая придирка оказалась про пиксели: серые линии тянут логотип Grok вправо и прячут факт — ChatGPT смещён влево сильнее, чем Grok вправо.