01Η απόδειξη που μετράει εδώ
Η απόδειξη.
Μια πραγματική ανάλυση εργαστηρίου τον Οκτώβριο, μέσω του εργαλείου που καλεί το Omicron, το ιδιωτικό μοντέλο που τρέχουμε στον δικό μας εξοπλισμό, για αυτή τη δουλειά: πέντε βήματα σε 48 δευτερόλεπτα. Η απόδειξη αναφέρει τι ζητήθηκε, τι ελέγχθηκε πριν παραχθεί οποιοσδήποτε αριθμός, κάθε βήμα με τις ρυθμίσεις του, πόσα σημεία αφαιρέθηκαν ως σπείρες (294 και 278), πόσες προσαρμογές τέθηκαν σε πλάι και γιατί (3 από 16 σε μία περιοχή, καμία στην άλλη), και το αποτέλεσμα με το περιθώριό του: 0,7355 ± 0,0876 και 0,7236 ± 0,0371. Ο ερευνητής το παίρνει αυτό μαζί με τον αριθμό, κάθε φορά.
Ο φρουρός.
Στον Οκτώβριο στείλαμε στα δικά μας εργαλεία 30 αιτήματα που έσπαζαν τους κανόνες τους: ένα παράθυρο εκτός δεδομένων, ένα αρνητικό όριο, ένα απαραίτητο βήμα που παραλείπεται, ένα αρχείο λάθος είδους. Τα 22 απορρίφθηκαν με λόγο. Τα 8 πέρασαν, και τα 4 από αυτά θα μπορούσαν να επιστρέψουν λάθος αριθμό. Τα τέσσερα είναι στη λίστα μας να κλείσουν, και το τεστ τρέχει ξανά μετά; ο αριθμός σε αυτή τη σελίδα είναι πάντα η τελευταία δοκιμή, με την ημερομηνία της (17 Οκτωβρίου 2026).
Η ίδια απάντηση.
Σε ίδια δεδομένα εργαστηρίου, τα μοντέλα στο cloud έδωσαν πολλές διαφορετικές απαντήσεις (GPT-6 Luna 20 σε 30 επαναλήψεις και στις δύο ρυθμίσεις του, Claude Sonnet 19 σε 30, Claude Opus 4 σε 10); το εργαλείο προσαρμογής μας, καλούμενο απευθείας, έδωσε μία, 100 φορές στις 100, και μέσα από τη συνομιλία το μοντέλο επανέγραψε αυτή τη μία τιμή. Ρυθμίσεις και επαναλήψεις στη σελίδα με τις δοκιμές μας.
02Μία διαδικασία
Η διαδικασία σας, γραμμένη μαζί με όσους τη τρέχουν, γυρισμένη σε εργαλεία που δουλεύουν τον ίδιο τρόπο κάθε φορά και απορρίπτουν ό,τι η διαδικασία απαγορεύει, εγκατεστημένα στο δικό σας δίκτυο, βαθμολογημένα σε ελέγχους που έχετε ήδη κάνει στο χέρι πριν πληρώσετε το δεύτερο μισό.