📊 Сводный аналитический отчет по проверке сочинений (ЕГЭ)

Дата проверки: 26 марта 2026 г.
Объект: Сочинения формата ЕГЭ (Ученики: andrey, student_2)
Используемые модели: Claude Opus 4-6, GPT-4o, GPT-5-Pro.

1. Сводная таблица результатов (Баллы)

Ученик	Реальный балл (Эксперт)	Claude Opus 4-6	GPT-4o	GPT-5-Pro	Средний ИИ
andrey	22	17	22	19	19.3
student_2	22	13	18	17	16.0

2. Анализ работы моделей (Battle Review)

🥇 Claude Opus 4-6 (Самый внимательный / Строгий)

Сильные стороны: Лучшее распознавание почерка (OCR). Заметила все зачеркивания («Юшка» -> «Мужчина») и оценила их как неуверенность.
Критика: Слишком жестко судит критерий К10 (Речь). Считает повторы слов «тяжело» и «человек» грубой ошибкой, в то время как эксперты ЕГЭ допускают это в рамках темы.
Вердикт: Идеальна для "жесткой" самопроверки. Если Opus поставил 18+, на реальном экзамене это будет 20-22.

🥈 GPT-5-Pro (Сбалансированный / Reasoning)

Сильные стороны: Глубокая логика. Заметила тонкие ошибки в управлении («обсуждали о том») и пунктуации в БСП.
Критика: Долгое время генерации (почти 500 сек), что может быть критично для массовых проверок.
Вердикт: Самая близкая к "человеческому" подходу модель. Она сомневается, пересматривает баллы (как в случае с К4 у Андрея) и дает дельные советы.

🥉 GPT-4o (Лояльный / Быстрый)

Сильные стороны: Высокая скорость и "оптимизм". Поставила Андрею 22/22, полностью совпав с реальным экспертом.
Критика: Склонна "прощать" или не замечать мелкие речевые недочеты и повторы.
Вердикт: Отлично подходит для быстрой оценки структуры и логики, но может быть слишком мягкой в плане грамотности.

3. Почему ИИ занижает баллы? (Анализ расхождений)

В ходе тестирования выявлено, что ИИ часто ставит балл ниже, чем реальный эксперт (17-19 вместо 22). Причины:

Роботизированная коррекция: ИИ считает количество повторов слов на 100 символов. Если слово «герой» встречается 3 раза в абзаце — для ИИ это ошибка. Эксперт понимает, что это специфика жанра.
Галлюцинации почерка: Плохо разборчивые буквы ИИ иногда принимает за орфографические ошибки или лишние запятые.
Трактовка К5-К6: ИИ более чувствителен к стилистике. Разговорные слова («хоть», «наплевать») он наказывает строже, чем живой человек.

4. Итоговый вывод

Система готова к работе. Для получения максимально объективной оценки рекомендуется ориентироваться на средний балл между GPT-4o и GPT-5-Pro. Результаты Claude Opus следует использовать как "планку максимума" для идеальной вычитки текста.

Отчет сформирован автоматически на основе баттла моделей 2026.

4.5 KiB Raw Blame History Unescape Escape