Archivierter Pilot · Historischer Run
gebaut von Qwen3.8-27B über ollama 0.32.15 nur Modell
Prüfergebnisse zurückgezogen (04.10.2026)Diese Prüfergebnisse passen nicht zu den Screenshots derselben Läufe. Deshalb ziehen wir die Ergebnisse zurück, bis die Prüfung im Browser wiederholt wurde. Betroffen: three_distinct_visualizations, five_aggregate_matches, three_numeric_insights.
Von agi.jetzt aus dem vom Modell erzeugten Artefakt gerendertOffline in einem isolierten Renderer aus der gespeicherten Datei gerendert (sha256 3d491e1e5407…). Die Datei selbst wird nicht ausgeliefert.
Seitlich scrollen. Jeder Lauf hatte eigene Laufzeit und Limits — vergleichen Sie die Artefakte, nicht einen Score.
über claude-code-cli 2.1.214Modell + Harness
Lauf vom 18.07.2026
Prüfergebnisse zurückgezogen (04.10.2026)
Format stimmt (1 von 1) — das Ergebnis selbst wurde nicht geprüft · 2 Prüfungen im Browser nicht gelaufen
Bewertung nicht veröffentlicht
über claude-code-cli 2.1.212Modell + Harness
Lauf vom 17.07.2026
Prüfergebnisse zurückgezogen (04.10.2026)
Format stimmt (1 von 1) — das Ergebnis selbst wurde nicht geprüft · 2 Prüfungen im Browser nicht gelaufen
Bewertung nicht veröffentlicht
über codex-cli 0.144.5Modell + Harness
Lauf vom 18.07.2026
Prüfergebnisse zurückgezogen (04.10.2026)
Format stimmt (1 von 1) — das Ergebnis selbst wurde nicht geprüft · 2 Prüfungen im Browser nicht gelaufen
Bewertung nicht veröffentlicht
über codex-cli 0.144.5Modell + Harness
Lauf vom 17.07.2026
Prüfergebnisse zurückgezogen (04.10.2026)
Format stimmt (1 von 1) — das Ergebnis selbst wurde nicht geprüft · 2 Prüfungen im Browser nicht gelaufen
Bewertung nicht veröffentlicht
Automatische Prüfungen an der gespeicherten HTML-Datei, ohne sie im Browser auszuführen. Prüfungen von Format und Vorhandensein sagen nichts darüber, ob das Ergebnis den Auftrag erfüllt.
| Prüfung | Art | Ergebnis |
|---|---|---|
| single_html_filegenau eine HTML5-Datei | Format | Bestanden |
| three_distinct_visualizationsErgebnis am 04.10.2026 zurückgezogen; es wird kein Wert gezeigt. | Inhalt | zurückgezogen |
| five_aggregate_matchesErgebnis am 04.10.2026 zurückgezogen; es wird kein Wert gezeigt. | Zahlenwerte | zurückgezogen |
| three_numeric_insightsErgebnis am 04.10.2026 zurückgezogen; es wird kein Wert gezeigt. | Inhalt | zurückgezogen |
| renders_without_errorsSandbox nicht verfügbar — Rendering übersprungen | Rendering | nicht ausgeführt |
| no_external_librariesSandbox nicht verfügbar — Rendering übersprungen | Rendering | nicht ausgeführt |
2 Prüfungen im Browser sind nicht gelaufen. Grund laut Protokoll: „Sandbox nicht verfügbar — Rendering übersprungen“.
WarumDer v2-Eintrag des Bewertungsmodells nennt das getestete Modell als sein eigenes Bewertungsmodell und enthält keine Kriterien. Sein Wert wird deshalb nicht gezeigt — ebenso wenig der kombinierte v2-Wert, in den er einfließt.
Unten steht ein CSV-Datensatz (ca. 40 Zeilen). Baue daraus eine einzelne HTML-Datei als beeindruckendes, interaktives Dashboard.
Anforderungen:
- Mindestens 3 Visualisierungen, selbst gerendert als SVG oder Canvas — keine Chart-Libraries, keine externen Assets, keine externen Requests.
- Interaktivität mit Vanilla-JS: beim Hovern über Datenpunkte/Balken/Segmente erscheinen präzise Tooltips mit dem konkreten Wert; Achsen und Legenden sind lesbar beschriftet.
- Eine Sektion „Kernaussagen" mit 3 datengestützten Insights; jeder Insight nennt mindestens eine konkrete Zahl aus den Daten.
- Alle gezeigten Zahlen müssen rechnerisch exakt aus dem Datensatz folgen.
- Gestaltung auf Studio-Niveau: klare Hierarchie, stimmige Farbwelt, ruhige Typografie, sinnvoll gewählte Diagrammtypen für die jeweilige Kennzahl. Responsive, kein horizontaler Overflow.
Datensatz:
[CSV, 36 Datenzeilen: Monats-KPIs eines B2B-SaaS (Juli 2023 bis Juni 2026): MRR, Neukunden, Kuendigungen, Support-Tickets.]Aus dem Aufgaben-Seed; die tatsächlichen Prompts ergänzen Ausgabeformat-Anweisungen und andere Formulierungen.
Modell Die Modellkennung des Testprogramms entspricht Qwen3.8-27B in unserer Modellliste (verifizierte Zuordnung).
Kein AGI-MaßDieser Lauf zeigt genau eines: was ein Modell aus einem präzisen Brief als einzelne HTML-Datei gebaut hat. Über allgemeine Intelligenz sagt er nichts.In diesem Lauf automatisch geprüft: Prüfergebnisse zurückgezogen (04.10.2026) · Format stimmt (1 von 1) — das Ergebnis selbst wurde nicht geprüft · 2 Prüfungen im Browser nicht gelaufen.
Wir zeigen 5 von 16 verifizierten Läufen dieser Aufgabe — von 5 der 6 getesteten Modelle.Nicht veröffentlicht: Phi-4-mini-instruct (1 Lauf; Prüfergebnisse zurückgezogen).Quelle: die Auswahl-Angaben der veröffentlichten Läufe. Sie zählen die Aufgabe über alle Varianten und kennen nur Modelle, von denen mindestens ein Lauf veröffentlicht ist.