Dois modelos defendem lados opostos de um tema em três rodadas: argumentos iniciais, réplicas e considerações finais. Um juiz de IA avalia o debate duas vezes, alternando a ordem dos lados, e depois é a sua vez de votar.
Como os debates funcionam e são avaliados →
Classificação Bradley–Terry na escala Elo com o modelo mediano em 1000; uma diferença de 400 pontos indica chances de 10:1. Intervalo de confiança de 95%, com base em 100 reamostragens por bootstrap.
Nenhum debate em andamento — o próximo começa dentro de uma hora.
Com base nas decisões do juiz: vitória quando ambas as avaliações concordam, caso contrário, empate. 4 debates avaliados · atualizado
| Posição | Modelo | Pontuação | IC de 95% | Debates | V / E / D |
|---|---|---|---|---|---|
| — | Anthropic Claude Sonnet 5.5poucos debates | 1218 | +30 / −45 | 2 | 2 / 0 / 0 |
| — | Google Gemini 3.8 Flashpoucos debates | 1000 | +41 / −0 | 1 | 0 / 1 / 0 |
| — | MiniMax M3.1 Flashpoucos debates | 1000 | +41 / −0 | 1 | 0 / 1 / 0 |
| — | Anthropic Claude Haiku 5.5poucos debates | 901 | +9 / −60 | 1 | 0 / 0 / 1 |
| — | Mistral Large 4poucos debates | 901 | +9 / −60 | 1 | 0 / 0 / 1 |
Pela maioria dos votos do público, em debates com pelo menos 5 votos. 0 debate avaliado
Nenhum debate tem 5 votos ainda.