Лишний ряд исчез. Уверенное объяснение осталось.
Я спросил семь нейросетей, сколько рядов на нарисованной мной доске. Правильный ответ — 9, но часть моделей настойчиво отвечала 8.
Grok даже сослался на классическую шахматную доску. Для меня здесь главный вопрос: модель пересчитала то, что видит, или подставила знакомый размер? От этого зависит, можно ли отдавать ей скриншот сметы или макета на проверку.
Одинаковая картинка и вопрос позволяют сравнить ответы
Я нарисовал доску: 8 столбцов × 9 рядов, бежево-коричневые клетки, вокруг рамка. По правилам шахмат у доски размер 8×8. Мой рисунок отличается дополнительным рядом.
Каждой модели отправлял одну и ту же картинку и один английский промпт:
«How many rows does this chessboard have? Reply with a single number only.»
То есть: сколько рядов у этой шахматной доски, ответь только числом. На каждую модель — 3 прогона, ответы записывал как есть. Весь тест обошёлся примерно в 0,44 ₽.
Такой формат позволяет проверить и сам подсчёт, и соблюдение инструкции. Для верного ответа достаточно числа 9; любое объяснение уже выходит за заданный формат.
Три модели ответили верно во всех прогонах, две — ни в одном
Ниже — ответы в порядке запусков, количество верных и средняя задержка. Данные — из моего теста, опубликованного 25 октября 2026 года.
- Gemini 4 Argon — 9/9/9; верно 3 из 3; средняя задержка 5,2 с.
- Gemini 3.8 Flash — 9/9/9; верно 3 из 3; средняя задержка 43,0 с.
- Qwen 3.8 Max — 9/9/9; верно 3 из 3; средняя задержка 31,9 с.
- ChatGPT (GPT-6 Astra) — 8/9/9; верно 2 из 3; средняя задержка 5,1 с.
- DeepSeek V4 Flash Vision — 8/9/9; верно 2 из 3; средняя задержка 1,8 с.
- Grok 4.7 — 8/8/8; верно 0 из 3; средняя задержка 19,0 с.
- Claude Opus 5.5 — 8/8/8; верно 0 из 3; средняя задержка 9,2 с.
У Claude ответ был полностью повторяемым и полностью неверным. Стабильность ответа и точность — разные свойства.
По времени тоже нет простого правила: у Gemini 4 Argon и ChatGPT средние задержки близки, а ответы различаются. Ни скорость, ни статус «флагмана» не заменяют проверку на конкретной картинке.
Слово chessboard могло подсказать модели неверный размер
Grok дважды дописал объяснение, хотя я просил только число. По смыслу оно было таким: это стандартная шахматная доска, я визуально пересчитал полосы и получил восемь — как у классической доски 8×8.
Наблюдение здесь конкретное: модель ссылается на обычное устройство предмета и сообщает неверный результат визуального подсчёта. А вот причина — моя гипотеза: слово chessboard активировало связку «шахматы — 8×8», и привычный размер перевесил необычную деталь рисунка.
Если гипотеза верна, узнавание предмета даёт ожидаемое число раньше, чем проверена необычная геометрия. Объяснение затем опирается на тот же шаблон. Проверить можно влияние формулировки на следующий запуск.
Поэтому я различаю фразу «визуально посчитал» и проверяемый подсчёт: во втором случае должно быть понятно, какие именно ряды вошли в ответ. Красивое обоснование пропущенный ряд не возвращает)
В прошлом разборе нейросети ошибались на стрелочных часах: при чтении стрелок тоже возникала тяга к типичному. Для меня это повод отдельно проверять необычную деталь знакомого объекта.
В рабочих материалах легко пропустить именно отклонение от шаблона
Если подсчёт заменяется ожиданием, под угрозой оказывается нестандартная часть документа: дополнительная позиция в смете, ряд в таблице, блок в макете, этаж на планировке.
В работе с сайтами и дизайном мне важен именно такой случай: макет может выглядеть привычно, но содержать дополнительный блок. Проверка, которая ориентируется на типовую структуру, пропустит то, ради чего её запустили.
У меня уже был разбор «Нейросети рисуют не по ТЗ». Здесь вопрос возникает с другой стороны: готовый материал нужно проверить на соответствие условию. Для этого нужен явный критерий — что считать и где заканчивается область подсчёта.
В автоматизации с ИИ я бы заранее определял, с чем сверять полученную цифру. Если ответ модели сразу становится числом в рабочем документе, ошибка подсчёта переезжает туда вместе с ним.
Повторить исходный тест можно за 10 минут
Для короткой проверки возьмите одну доступную модель. Чтобы воспроизвести условия, нужна доска 8×9 с чередующимися бежево-коричневыми клетками и рамкой. Сначала пересчитайте ряды сами и зафиксируйте правильный ответ.
- Откройте новый диалог, прикрепите картинку и отправьте английский промпт из методики выше.
- Повторите запуск 3 раза. Для каждого откройте отдельный диалог, чтобы предыдущие ответы не попали в контекст.
- Сохраните ответы целиком, включая лишние пояснения. Не исправляйте модель между попытками.
- Сопоставьте записи с ручным подсчётом. Отдельно отметьте, соблюдён ли формат ответа.
Сначала соберите ответы, а уже потом меняйте формулировку: иначе смешаются сравнение моделей и проверка подсказок.
Это тест на одной картинке в октябре 2026 года. Модели обновляются, поэтому перед важной задачей нужен свой мини-тест на материале, с которым предстоит работать.
Для рабочего подсчёта я отделяю ответ от его проверки
После исходной серии можно менять способ запроса. Вот чек-лист, который я использую как порядок проверки картинки на подсчёт:
- Уберите привычное название предмета. В отдельной серии замените в исходном промпте только chessboard на grid — «сетка». Остальное оставьте прежним. Так можно проверить влияние слова, не меняя одновременно картинку и формат ответа.
- Попросите перечислить элементы по одному. Для проверки рядов — «ряд 1, ряд 2…» с указанием положения сверху вниз. Затем сопоставьте перечисление с изображением: одна итоговая цифра скрывает место пропуска.
- Сравните 2–3 прогона. Разные ответы — повод остановить дальнейшее использование числа и найти расхождение.
- Дайте картинку второй модели. Её ответ используйте как дополнительную сверку, а не голос при выборе большинства.
- Финальные цифры и размеры проверьте глазами. Перед переносом в смету, макет или документ пройдите по самим элементам и измерениям.
Частые вопросы
Рамку нужно включать в количество рядов?
В моём тесте считаются ряды клеток внутри рамки. Для своей картинки заранее определите границы: бордюр, тень или внешний отступ не должны случайно стать отдельным элементом.
Что делать, если есть исходная таблица, а не только скриншот?
Я бы пересчитал строки в исходной таблице и использовал это число для сверки. При этом нужно договориться, входят ли в подсчёт заголовок и итоговая строка: иначе даже одинаковые ответы могут относиться к разным наборам строк.
Посмотрите услуги и цены, чтобы выбрать подходящий состав работы.