01 · Tâche
Objectif et contraintes
Choisissez la réponse dont le calcul du budget est correct et le plus facile à vérifier.
- Utilisez uniquement les chiffres du paquet de tâche.
- Appliquez la contingence après les coûts fixes et conservez les centimes jusqu'à la dernière étape.
- Évaluez une exécution capturée par modèle ; ne déduisez pas un classement général du modèle.
02 · Entrée de reproduction
Prompt complet
Traduction de lecture
Un budget de lancement est de 1 200 $. Les coûts fixes sont de 249 $ pour le logiciel et de 180 $ pour la recherche. Réservez un contingent égal à 15 % de l'argent restant après les coûts fixes. Combien reste-t-il pour les publicités ? Montrez le calcul et indiquez le montant final en dollars.
Prompt original (anglais)
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.
Les prompts et les sorties capturées conservent leur langue d’origine pour permettre la reproduction. Les traductions facilitent la lecture ; elles ne constituent pas de nouvelles exécutions.
03 · Portée d'évaluation
Critères utilisés pour cette tâche
Le montant restant après les coûts fixes est de 771 dollars. La réserve est de 115,65 dollars, laissant exactement 655,35 dollars pour les publicités. Les réponses fortes montrent le calcul sans arrondir prématurément.
- Vérifier le sous-total à coût fixe.
- Appliquez 15 % uniquement après les coûts fixes.
- Rejeter le rondage prématuré ou un total non pris en charge.
04 · Instantanés immuables
Sorties capturées et revue
Commencez par le résumé de comparaison. Ouvrez un instantané uniquement lorsque vous avez besoin de la sortie complète, d'exécuter les métadonnées et d'une revue éditoriale.
OpenAI
openai/gpt-oss-20b
- Force
- Calcul étiqueté complet
- Limite de revue
- Plus long que nécessaire pour un petit calcul
Qwen
qwen/qwen3-30b-a3b-fp8
- Force
- Concise et entièrement vérifiable
- Limite de revue
- Offre moins d'explication sur pourquoi la contingence est appliquée après les coûts fixes
Mistral AI
mistralai/mistral-small-3.1-24b-v2
- Force
- Séquence et résultat corrects
- Limite de revue
- Le montant final non étiqueté est moins lisible.
Sortie 1Sortie capturée brute · réduite par défautOpenAI · openai/gpt-oss-20b
Sortie brute
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
Répond aux exigences
Forces : Calcul étiqueté complet Garde les centimes jusqu'à l'étape finale
Risques : Plus long que nécessaire pour un petit calcul
Meilleure utilisation : Lorsqu'un calcul vérifiable est le plus important.
Sortie 2Sortie capturée brute · réduite par défautQwen · qwen/qwen3-30b-a3b-fp8
Sortie brute
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
Répond aux exigences
Forces : Concise et entièrement vérifiable Affirme le résultat correct de 655,35 $
Risques : Offre moins d'explication sur pourquoi la contingence est appliquée après les coûts fixes
Meilleure utilisation : Lorsque la vitesse et l'arithmétique traçable comptent toutes les deux.
Sortie 3Sortie capturée brute · réduite par défautMistral AI · mistralai/mistral-small-3.1-24b-v2
Sortie brute
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
Répond aux exigences
Forces : Séquence et résultat corrects Aucune affirmation inutile
Risques : Le montant final non étiqueté est moins lisible.
Meilleure utilisation : Lorsqu'un calcul compact est suffisant.
05 · Registre des affirmations
Revendications, sources, preuves et limites
Revendication 1
Le budget publicitaire disponible est de 655,35 $.
- Source
- Paquet de tâche publié et arithmétique déterministe
- Support
- 2 400 $ − 1 629 $ = 771 $ ; 15 % de 771 $ = 115,65 $ ; 771 $ − 115,65 $ = 655,35 $.
- Limite
- Cela vérifie uniquement les calculs arithmétiques fournis ; il ne valide pas les hypothèses commerciales.
Revendication 2
Les trois réponses capturées atteignent le même montant final.
- Source
- Fichiers de sortie immuables dans ce cas
- Support
- Chaque sortie brute affichée indique 655,35 $ après avoir suivi le même prompt fixe.
- Limite
- Une seule sortie par modèle n'établit pas un taux de performance stable au niveau du modèle.
06 · Conclusion de revue
Ce que ces preuves soutiennent
Préférez la réponse dont les valeurs intermédiaires rendent le nombre final le plus facile à vérifier, et non un nom de modèle.
Limitations connues
- La tâche est déterministe et ne représente pas une analyse financière ouverte.
- La revue compare une sortie capturée par modèle sous un seul prompt.
- La préférence de format n'est évaluée que dans la mesure où elle affecte l'auditabilité.
Point clé réutilisable
Utilisez la liste de vérification des audits de valeur intermédiaire avant d'accepter un calcul généré.
Utilisez la méthode de soutien