01 · Tarea
Objetivo y restricciones
Elige la respuesta cálculo de presupuesto es correcto y más fácil de auditar.
- Use solo las figuras en el paquete de tarea.
- Aplicar la contingencia después de los costos fijos y mantener los céntimos hasta el último paso.
- Evalúe una ejecución capturada por modelo; no infiera una clasificación general del modelo.
02 · Reproducción de entrada
Prompt completo
Traducción de lectura
Un presupuesto de lanzamiento es de 1.200 dólares. Los costos fijos son de 249 dólares para software y 180 dólares para investigación. Reserva un contingente igual al 15% del dinero restante después de los costos fijos. ¿Cuánto queda para anuncios? Muestra el cálculo y establece la cantidad final en dólares.
Prompt original (inglés)
A launch budget is $1,200. Fixed costs are $249 for software and $180 for research. Set aside a contingency equal to 15% of the money remaining after fixed costs. How much remains for ads? Show the calculation and state the final dollar amount.
Los prompts y las respuestas capturadas conservan su idioma original para facilitar la reproducción. Las traducciones ayudan a la lectura; no son nuevas ejecuciones del modelo.
03 · Alcance de evaluación
Criterios utilizados para esta tarea
La cantidad restante después de los costos fijos es de $771. La contingencia es de $115,65, dejando exactamente $655,35 para anuncios. Las respuestas fuertes muestran el cálculo sin redondear temprano.
- Verificar el subtotal de costos fijos.
- Aplicar el 15% solo después de los costos fijos.
- Rechazar redondeos tempranos o un total no soportado.
04 · Instantáneas inmutables
Salidas capturadas y revisión
Comience con el resumen de comparación. Abra un instantáneo solo cuando necesite la salida completa, ejecute metadatos y revisión editorial.
OpenAI
openai/gpt-oss-20b
- Fuerza
- Cálculo etiquetado completo
- Límite de revisión
- Más largo de lo necesario para un cálculo pequeño
Qwen
qwen/qwen3-30b-a3b-fp8
- Fuerza
- Conciso y completamente verificable
- Límite de revisión
- Ofrece menos explicación sobre por qué se aplica la contingencia después de los costos fijos
Mistral AI
mistralai/mistral-small-3.1-24b-v2
- Fuerza
- Secuencia y resultado correctos
- Límite de revisión
- La cantidad no etiquetada final es menos legible.
Salida 1Salida capturada sin procesar · colapsada por defectoOpenAI · openai/gpt-oss-20b
Salida sin procesar
Calculation
- Total budget: $1,200
- Fixed costs:
- Software: $249
- Research: $180
- Total fixed costs = $249 + $180 = $429
- Money remaining after fixed costs:
$1,200 – $429 = $771 - Contingency (15 % of $771):
0.15 × $771 = $115.65 - Amount left for ads:
$771 – $115.65 = $655.35
Final dollar amount available for ads: $655.35
Cumple
Fuerzas: Cálculo etiquetado completo Mantiene los céntimos hasta el último paso
Riesgos: Más largo de lo necesario para un cálculo pequeño
Mejor uso: Cuando un cálculo auditable es más importante.
Salida 2Salida capturada sin procesar · colapsada por defectoQwen · qwen/qwen3-30b-a3b-fp8
Salida sin procesar
Total budget: $1,200
Fixed costs: $249 + $180 = $429
Remaining after fixed costs: $1,200 - $429 = $771
Contingency: 15% of $771 = 0.15 × $771 = $115.65
Amount remaining for ads: $771 - $115.65 = $655.35
Final answer: $655.35
Cumple
Fuerzas: Conciso y completamente verificable Indica el resultado correcto de $655.35
Riesgos: Ofrece menos explicación sobre por qué se aplica la contingencia después de los costos fijos
Mejor uso: Cuando la velocidad y la aritmética trazable son importantes.
Salida 3Salida capturada sin procesar · colapsada por defectoMistral AI · mistralai/mistral-small-3.1-24b-v2
Salida sin procesar
Fixed costs: $249 + $180 = $429 Remaining after fixed costs: $1,200 - $429 = $771 Contingency: 15% of $771 = 0.15 * $771 = $115.65 Remaining for ads: $771 - $115.65 = $655.35
$655.35
Cumple
Fuerzas: Secuencia y resultado correctos Sin afirmaciones innecesarias
Riesgos: La cantidad no etiquetada final es menos legible.
Mejor uso: Cuando un cálculo compacto es suficiente.
05 · Registro de afirmaciones
Afirmaciones, fuentes, evidencia y límites
Afirmación 1
El presupuesto publicitario disponible es de $655.35.
- Fuente
- Paquete de tarea publicado y aritmética determinista
- Soporte
- $2.400 − $1.629 = $771; 15% de $771 = $115,65; $771 − $115,65 = $655,35.
- Límite
- Esto verifica solo la aritmética proporcionada; no valida las suposiciones comerciales.
Afirmación 2
Todos los tres respuestas capturadas alcanzan la misma cantidad final.
- Fuente
- Instantáneas de salida inmutables en este caso
- Soporte
- Cada salida cruda mostrada indica $655.35 después de seguir el mismo prompt fijo.
- Límite
- Una salida por modelo no establece una tasa de rendimiento estable a nivel de modelo.
06 · Conclusión de revisión
¿Qué respalda esta evidencia
Prefiere la respuesta cuyos valores intermedios hagan más fácil verificar el número final, no un nombre de modelo.
Limitaciones conocidas
- La tarea es determinista y no representa un análisis financiero abierto.
- La revisión compara una salida capturada por modelo bajo un solo prompt.
- La preferencia de formato se evalúa solo en cuanto afecta la auditoría.
Conclusión reutilizable
Use la lista de verificación de valor intermedio antes de aceptar un cálculo generado.
Use el método de apoyo