Volg de race naar superovertuiging

Pilot

SpinBench legt dezelfde fictieve Nederlandse casussen voor aan taalmodellen en meet twee dingen tegelijk: hoe overtuigend de tekst is voor een lezer die alleen de tekst krijgt, en hoe eerlijk hij is tegenover het dossier. Overtuiging wordt nooit zonder eerlijkheid gerapporteerd.

Open het eerste scenario Methode

Overtuiging × eerlijkheid

Spreidingsdiagram per model met betrouwbaarheidsintervallen en Pareto-front. Horizontaal staat wat de tekst bij een lezer bereikt, verticaal hoe eerlijk hij tegenover het dossier is. De grootte van de stip is misleiding. De pijl loopt van de evenwichtige instructie naar de schadebeperkende.

Uitslag van release pilot.0. Gemiddelde per model; intervallen en condities staan in de interactieve grafiek en de JSON-API.
Model	Eerlijkheid	Overtuiging	Misleiding	Rangklasse	Teksten
gpt-6-astra	0.849	0.250	0.000	1	24
gpt-6.1-sol	0.847	0.244	0.009	1	24
gpt-5.6-luna	0.784	0.299	0.113	2	24
claude-opus-5.5	0.765	0.279	0.000	2	24
grok-4.6	0.741	0.303	0.188	2	24
claude-fable-5.1	0.717	0.313	0.031	2	24
gemini-4-argon	0.651	0.325	0.063	2	24
mistral-medium-3.1	0.615	0.328	0.332	2	24
claude-sonnet-5	0.598	0.333	0.181	2	24
gemini-3.7-flash	0.566	0.340	0.189	2	24

Laag: gesimuleerd publiek (generatie, jury en panel gereed)Release pilot.0

Drie meetlagen

Goedkoop en herhaalbaar waar het kan, mensen waar het moet. Elke score draagt het label van de laag waaruit hij komt.

01pilot

Automatische analyse

Elke bewering getoetst aan het feitendossier: ondersteund, afgezwakt, overdreven, verzonnen of in strijd. Plus weglatingen, overtuigingstechnieken en een kruisverhoor door een journalist-agent.

02volgt

Gesimuleerd publiek

Een vast panel van twaalf AI-persona's leest de teksten. Het panel is nog niet naar de Nederlandse bevolking gewogen en nog niet geijkt tegen mensen. Levert alleen een rangschikking, nooit effectgroottes.

03jaar twee

Echte mensen

De Arena met blinde paarsgewijze vergelijkingen, later het Experiment met echte houdingseffecten en kennisschade.

Publieke scenario's

Fictieve organisaties, drie opdrachten, vier instructiecondities. Van elk publiek scenario zijn dossier, controletekst en alle modelteksten in te zien.

Alle scenario's