Jedno zadanie. Jeden pokus. Rôzne AI modely.

• Slnečná sústava – Interaktívny 3D model Slnečnej sústavy s reálnymi obežnými dráhami, ovládaním času a kamerou, ktorá dolieta k planétam.
• Hra v štýle GTA – Hrateľná hra v otvorenom meste v štýle prvých GTA: autá, chodci, polícia s hviezdičkami hľadanosti, misie a minimapa.
• Test monitora – Profesionálny test monitora: mŕtve pixely, gradienty, úroveň čiernej a bielej, gama, ostrosť a rovnomernosť podsvietenia.
• Mapa New Yorku a Central Parku – Interaktívna ilustrovaná mapa Manhattanu s detailným Central Parkom, 30+ pamiatkami, vyhľadávaním a sprievodcom.
• Šach s enginom – Kompletný šach so všetkými pravidlami a vlastným šachovým enginom; generátor ťahov overujeme objektívnym testom perft.

• Na prvý pokus fungovalo 106 z 129 výstupov (82 %).
• Šachový generátor ťahov prešiel všetkými testami perft u 13 z 23 modelov.
• Jeden výstup stál podľa cenníka API od $0 do $4.33.
• Najvyššiu priemernú technickú kvalitu majú GPT-6 Astra a GPT-6.1 Sol (99 zo 100).
• Najlepšie automaticky merané UX má Mistral Medium 3.5 (93 zo 100).
• Zatiaľ nie všetky zadania má Mistral Large 4 (4/5) – ďalšie výstupy doplníme.

Súhrn podľa modelov k 17. 10. 2026. Technická kvalita je automatické meranie 0–100 (Lighthouse, chyby počas používania, plynulosť, mobil). UX je automatické meranie 0–100 (veľkosť tlačidiel, rozloženie na mobile, tablete aj desktope, ovládanie klávesnicou, odozva na kliknutie, čitateľnosť písma).

Podrobné poradie modelov, porovnanie výstupov a arenu naslepo nájdete v menu.

Zadanie je po anglicky, rovnaké pre všetky modely a obsahuje rovnaké technické pravidlá: jeden HTML súbor, žiadne externé knižnice ani obrázky.

Model dostane zadanie v novej konverzácii bez histórie – modely Claude v Claude Code, modely OpenAI v Codexe, DeepSeek a Gemini priamo cez API – so strednou úrovňou premýšľania (kde ju model nemá, s predvolenou). Jeho prvú odpoveď uložíme bez akejkoľvek úpravy a zaznamenáme čas, počet tokenov a cenu podľa cenníka API s dátumom.

Funkčnosť a kvalitu meriame objektívne: spustenie v prehliadači, chyby počas používania, Lighthouse, automatické meranie UX na troch veľkostiach obrazovky a test šachových pravidiel perft. Návštevníci hodnotia 👍 / 👎 a v arene vyberajú lepší z dvoch výstupov.