Здесь лежат все результаты теста: что получила каждая модель, как голосовали судьи, кто победил и во сколько это обошлось. Разбор и выводы — в статье «Fable 5.2 против семи моделей».
Прогон 11 ноября 2026 года. Продукт — приложение «Суды24» для Битрикс24: интеграция с сайтами арбитражных судов и судов общей юрисдикции, дела и движения по ним попадают в карточку сделки. Задача для моделей — обновить шапку страницы: слоган, текст и промпт для картинки, пять вариантов.
Кто участвовал
| Модель | Роль в тесте |
|---|---|
| DeepSeek v4.1 Flash | рабочая лошадка: дешёвый вызов |
| Fable 5.2 | новинка, самая дорогая в наборе |
| Opus 5.5 | флагман по качеству текста |
| Kimi K3.1 Pro | coding-подписка, сильный на длинных брифах |
| Qwen3.8 Flash | локальный кластер, нулевая цена вызова |
| GLM-5.3 | подписка команды |
| MiniMax M3.1 Flash | добавлен в тест отдельным прогоном |
| GPT-6.1 Sol | сильная арт-дирекция |
Задание
Одинаковый вход для всех: описание продукта, боль пользователя и три скриншота страницы — текущая шапка, страница в светлой и в тёмной теме.
Что должна была выдать модель — пять вариантов, в каждом:
- слоган до 28 знаков;
- текст шапки на 1–2 предложения;
- промпт для генератора картинок: плоский корпоративный комикс, современный, палитра сайта, центр кадра спокойный (поверх него накладывается кнопка Play);
- цель — только первые два шага AIDA: внимание и интерес. Продавать в шапке не нужно.
Вызовы шли прямыми REST-запросами, без агента: что модель написала, то и ушло в генератор. Картинки рисовал GPT-Image — 1,44 ₽ за кадр.
Две серии: чем отличались
| Серия 1 | Серия 2 | |
|---|---|---|
| Правило | идеи придумывают модели | идеи заданы брифом |
| Что в задании | матрица ограничений: пять слотов, у каждого свой тип идеи (предмет, сцена, цифра, цитата, антипаттерн), своя роль и свой момент; повторять роль и момент нельзя | перечислены пять тем: пропущенный срок, гора бумаг, ответ за 10 секунд, спокойствие, диспетчерская |
| Концепций | 40 | 40 |
| Победитель голосования | GLM-5.3 — 4 голоса из 8 | Fable 5.2 — 4 голоса из 8 |
| Стоимость | 65,60 ₽ | 68,46 ₽ |
В свободной серии модели сами выбирали, о чём говорить, — и всё равно сходились на похожих метафорах: «Нить Ариадны» придумали две модели, «Вопрос директора» — три. Во второй серии сравнивать проще: тема одна, различаются слоган, текст и кадр.
Слепое голосование моделей
Работы обезличили: восемь контактных листов под буквами A…H, имена авторов скрыты. Каждая модель-судья выбирала лучшую шапку из всех, включая свою (себя при этом не узнавала).
Серия 1 — идеи придумывают модели
| Судья | Выбрал |
|---|---|
| DeepSeek v4.1 Flash | Opus 5.5 · v4 |
| Fable 5.2 | Kimi K3.1 Pro · v4 |
| Opus 5.5 | DeepSeek v4.1 Flash · v3 |
| Kimi K3.1 Pro | GLM-5.3 · v4 |
| Qwen3.8 Flash | GLM-5.3 · v3 |
| GLM-5.3 | GLM-5.3 · v3 |
| MiniMax M3.1 Flash | GLM-5.3 · v3 |
| GPT-6.1 Sol | Opus 5.5 · v4 |
Итог: GLM-5.3 — 4 голоса, Opus 5.5 — 2, Kimi K3.1 Pro и DeepSeek v4.1 Flash — по одному.
Серия 2 — идеи заданы брифом
| Судья | Выбрал |
|---|---|
| DeepSeek v4.1 Flash | Fable 5.2 · v1 |
| Fable 5.2 | Kimi K3.1 Pro · v1 |
| Opus 5.5 | GLM-5.3 · v1 |
| Kimi K3.1 Pro | Fable 5.2 · v2 |
| Qwen3.8 Flash | Fable 5.2 · v1 |
| GLM-5.3 | GLM-5.3 · v1 |
| MiniMax M3.1 Flash | Opus 5.5 · v1 |
| GPT-6.1 Sol | Fable 5.2 · v1 |
Итог: Fable 5.2 — 4 голоса (v1 трижды, v2 один раз), GLM-5.3 — 2, Kimi K3.1 Pro и Opus 5.5 — по одному.
Смена правил сменила лидера: в свободной серии выиграл GLM-5.3, в серии с брифом — Fable 5.2. При этом Fable 5.2 ни в одной из серий не выбрала себя: и в свободной, и в серии с брифом её голос ушёл Kimi K3.1 Pro.
Вердикт юристов
Модели судят картинку и текст как картинку и текст. Люди смотрят иначе — им с этим работать. Те же шапки показали практикующим юристам, и они расставили акценты:
- Лучшая шапка целиком — GPT-6.1 Sol, v4 «Не дежурьте у дела». «Снова проверяете сайт суда перед сном?» — узнаваемая ситуация, без давления и без обещаний.
- Лучшая картинка — Fable 5.2, v1 «Заседание было вчера». Этот вариант выбрали три модели из восьми, ещё одна — второй вариант Fable.
- Лучший текст — GLM-5.3, v1 «Заседание не пройдёт мимо».
- Самая цепляющая картинка — MiniMax M3.1 Flash, v2 «Одно окно — все дела». Модель не собрала ни одного голоса в голосовании, а у людей её кадр оказался в фаворитах.
Что получилось
Все 80 шапок — в полных материалах ниже: там же переключатель по моделям и по темам и контактные листы.
Стоимость
| Показатель | Серия 1 | Серия 2 | Всего |
|---|---|---|---|
| Концепций | 40 | 40 | 80 |
| Картинок (GPT-Image) | 40 | 40 | 80 |
| Вызовы моделей | 7,11 ₽ | 5,90 ₽ | 13,01 ₽ |
| Генерация картинок | 57,60 ₽ | 57,60 ₽ | 115,20 ₽ |
| Судейство | 0,89 ₽ | 4,96 ₽ | 5,85 ₽ |
| Итого | 65,60 ₽ | 68,46 ₽ | 134,06 ₽ |
Дороже всего в тесте — не модели, а картинки: 115 ₽ из 134 ₽. Восемь вызовов с полным брифом и скриншотами стоят 13 ₽, судейство с картинками — 6 ₽.
Стоимость по моделям во второй серии (вызов + картинки + судейство):
| Модель | Вызов | Картинки | Судейство | Итого |
|---|---|---|---|---|
| DeepSeek v4.1 Flash | 0,04 ₽ | 7,20 ₽ | 0,13 ₽ | 7,38 ₽ |
| Fable 5.2 | 4,73 ₽ | 7,20 ₽ | 3,30 ₽ | 15,24 ₽ |
| Opus 5.5 | 0,04 ₽ | 7,20 ₽ | 0,57 ₽ | 7,81 ₽ |
| Kimi K3.1 Pro | 0,66 ₽ | 7,20 ₽ | 0,00 ₽ | 7,86 ₽ |
| Qwen3.8 Flash | 0,00 ₽ | 7,20 ₽ | 0,00 ₽ | 7,20 ₽ |
| GLM-5.3 | 0,24 ₽ | 7,20 ₽ | 0,56 ₽ | 8,00 ₽ |
| MiniMax M3.1 Flash | 0,00 ₽ | 7,20 ₽ | 0,00 ₽ | 7,20 ₽ |
| GPT-6.1 Sol | 0,19 ₽ | 7,20 ₽ | 0,38 ₽ | 7,76 ₽ |
У двух запросов Fable 5.2 и двух Opus 5.5 цена не пришла заголовком ответа — она посчитана по тарифу канала и помечена в данных как оценка. У Qwen3.8 Flash и MiniMax M3.1 Flash цена вызова не пришла вовсе, в расчёте они стоят 0 ₽.
Наблюдения
- Русский текст в кадре — сильный дифференциатор. Плашку с текстом заложила в промпт только Fable 5.2 — три варианта из пяти. Остальные сделали чистую иллюстрацию, хотя бриф это разрешал. Кадры с плашкой собирают голоса.
- Модели сходятся на одних темах. Пропущенный срок, «дела в одном окне», «ответ за десять секунд», пульт и диспетчерская — даже когда тему никто не задавал. Оригинальнее по формулировкам Fable 5.2 («Заседание было вчера», «Хватит обновлять картотеку») и GPT-6.1 Sol («Не дежурьте у дела», «Что по моему делу»).
- MiniMax M3.1 Flash дал самые спокойные формулировки («Не пропустите заседание», «Одно окно — все дела»), не собрал голосов моделей — и выиграл у юристов по картинке.
- Кнопку Play модели рисуют, если о ней упомянуть. В брифе было сказано, что поверх центра накладывается кнопка Play, — часть моделей просила генератор нарисовать её в кадре. Из промптов вырезали упоминание и добавили запрет на UI-элементы, кадры перегенерировали.
- Формальное нарушение брифа одно: GLM-5.3, вариант 4 — слоган 30 знаков при лимите 28.
Технические заметки
- Все вызовы — прямые REST-запросы с картинками в base64, без агентов.
- Kimi K3.1 Pro: coding-эндпоинт отклонил
temperature(разрешено только 1), вызов ушёл резервным маршрутом. - Qwen3.8 Flash не принимает больше одного вложения одного типа — в судействе ему отдаётся сводный лист вместо восьми.
- Kimi и DeepSeek на судействе уходят в reasoning: при
max_tokens16k ответ пустой, рабочий режим — 40–48k. - Один канал отвечает 502 на восемь листов по 1200 px; 1000 px проходит.
- Стоимость вызовов иногда приходит без заголовка с ценой — суммы сверены с журналом использования по совпадению токенов.
Полные материалы
- Интерактивный дашборд — все 80 шапок, переключатель моделей и тем.
- Серия 1 — идеи придумывают модели — 40 карточек, только GPT-Image.
- Серия 2 — идеи заданы брифом — 40 карточек, только GPT-Image.
- Все шапки одной темы — пять тем рядом, чтобы сравнивать исполнение.
- Контактные листы по моделям — по одному листу на автора и общий.