Ведомость испытаний

Ранжирование опубликованных запусков. Данные на 11 ноября 2026 г. Рейтинг корректен внутри одной версии набора и профиля оценки.

Набор: Государственная услуга по регламенту

Версия

Домен

Способность

Провайдер

19 запусков

на страницеЭкспорт CSV

Набор один, а профили оценки разные (API, рассуждение включено, temperature=0, API, прямой ответ, temperature=0): условия измерения различались, места сравнивать напрямую нельзя.

У всех строк один уровень доверия — «Верифицировано»: колонка убрана, значение осталось в паспорте запуска.

Безопасность и эффективность не измерялись ни в одном запуске выборки: колонки убраны. Прочерк означал бы отсутствие измерения, а читался бы нулём.

Лидерборд: ранжирование систем по измерениям качества, безопасности, надёжности, эффективности и покрытия
Подробности запуска	№	Система	Качество	Надёжность	Цена / 1 млн	Покрытие

Качество 82,2 95% ДИ 76,0–87,1 · n = 180 Безопасность — ДИ не рассчитан Надёжность 98,9 95% ДИ 96,0–99,7 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 80 %–90 % · n = 180 Профиль оценки: API, рассуждение включено, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 5,00 $ / 1 млн вывода · OpenAIОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 77,2; 95% ДИ 70,6–82,7 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 97,2; 95% ДИ 93,7–98,8 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 75 %–86 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 10,00 $ / 1 млн вывода · OpenAIОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 66,1; 95% ДИ 58,9–72,6 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 95,0; 95% ДИ 90,8–97,3 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 64 %–77 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 9,34 $ / 1 млн вывода · RelaceОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 62,2; 95% ДИ 55,0–69,0 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 94,4; 95% ДИ 90,1–97,0 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 61 %–73 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 10,00 $ / 1 млн вывода · Claude Platform on AWSОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 58,3; 95% ДИ 51,0–65,3 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 98,9; 95% ДИ 96,0–99,7 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 58 %–71 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 1,98 $ / 1 млн вывода · StreamLakeОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 57,2; 95% ДИ 49,9–64,2 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 96,1; 95% ДИ 92,2–98,1 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 57 %–69 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 5,00 $ / 1 млн вывода · OpenAIОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 56,7; 95% ДИ 49,4–63,7 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 93,3; 95% ДИ 88,7–96,1 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 56 %–69 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,60 $ / 1 млн вывода · OpenAIОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 53,9; 95% ДИ 46,6–61,0 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 98,3; 95% ДИ 95,2–99,4 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 54 %–67 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,47 $ / 1 млн вывода · AlibabaОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 52,8; 95% ДИ 45,5–59,9 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 95,0; 95% ДИ 90,8–97,3 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 53 %–65 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,10 $ / 1 млн вывода · ModalОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 51,7; 95% ДИ 44,4–58,9 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 97,2; 95% ДИ 93,7–98,8 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 52 %–65 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,14 $ / 1 млн вывода · RelaceОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 51,1; 95% ДИ 43,9–58,3 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 97,2; 95% ДИ 93,7–98,8 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 52 %–64 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,59 $ / 1 млн вывода · PrimeIntellectОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 48,9; 95% ДИ 41,7–56,1 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 95,0; 95% ДИ 90,8–97,3 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 50 %–62 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,55 $ / 1 млн вывода · DeepInfraОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 48,3; 95% ДИ 41,1–55,6 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 93,9; 95% ДИ 89,4–96,6 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 49 %–62 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,88 $ / 1 млн вывода · DeepInfraОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 47,2; 95% ДИ 40,1–54,5 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 97,2; 95% ДИ 93,7–98,8 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 48 %–61 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,31 $ / 1 млн вывода · GMICloudОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 46,7; 95% ДИ 39,5–53,9 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 95,0; 95% ДИ 90,8–97,3 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 48 %–60 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 5,00 $ / 1 млн вывода · AzureОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 45,0; 95% ДИ 37,9–52,3 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 95,6; 95% ДИ 91,5–97,7 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 46 %–59 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,32 $ / 1 млн вывода · DeepInfraОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 43,9; 95% ДИ 36,8–51,2 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 91,7; 95% ДИ 86,7–94,9 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 45 %–57 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,60 $ / 1 млн вывода · AzureОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 43,3; 95% ДИ 36,3–50,6 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 93,9; 95% ДИ 89,4–96,6 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 45 %–57 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 1,50 $ / 1 млн вывода · MistralОпубликован: 11 ноября 2026 г.Протокол запуска →

Качество: 37,2; 95% ДИ 30,5–44,5 · n = 180
Безопасность: —; ДИ не рассчитан
Надёжность: 86,7; 95% ДИ 80,9–90,9 · n = 180
Эффективность: —; ДИ не рассчитан
Покрытие: 100 %; 95% ДИ 38 %–51 % · n = 180

Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,20 $ / 1 млн вывода · DeepInfraОпубликован: 11 ноября 2026 г.Протокол запуска →

№ 1
GPT Sol gpt-6.1-sol
OpenRouter
Верифицировано
Качество
82,2
Н 98,9 · П 100 % · 5,00 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 2
GPT Sol gpt-5.6-sol
OpenRouter
Верифицировано
Качество
77,2
Н 97,2 · П 100 % · 10,00 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 3
Kimi K3 kimi-k3
OpenRouter
Верифицировано
Качество
66,1
Н 95,0 · П 100 % · 9,34 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 4
Claude Sonnet claude-sonnet-5
Верифицировано
Качество
62,2
Н 94,4 · П 100 % · 10,00 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 5
DeepSeek Pro deepseek-v4-pro-0813
OpenRouter
Верифицировано
Качество
58,3
Н 98,9 · П 100 % · 1,98 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 6
GPT gpt-5.1
Верифицировано
Качество
57,2
Н 96,1 · П 100 % · 5,00 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 7
GPT Luna gpt-5.6-luna
OpenRouter
Верифицировано
Качество
56,7
Н 93,3 · П 100 % · 0,60 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 8
Qwen3.8 Flash qwen3.8-flash
OpenRouter
Верифицировано
Качество
53,9
Н 98,3 · П 100 % · 0,47 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 9
Gemma 31B gemma-4-31b-it
OpenRouter
Верифицировано
Качество
52,8
Н 95,0 · П 100 % · 0,10 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 10
DeepSeek Flash deepseek-v4-flash-0731
OpenRouter
Верифицировано
Качество
51,7
Н 97,2 · П 100 % · 0,14 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 11
Qwen3.8 27B qwen3.8-27b
OpenRouter
Верифицировано
Качество
51,1
Н 97,2 · П 100 % · 0,59 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 12
Qwen3 235B A22B Instruct qwen3-235b-a22b-2507
Верифицировано
Качество
48,9
Н 95,0 · П 100 % · 0,55 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 13
MiniMax M3 minimax-m3
OpenRouter
Верифицировано
Качество
48,3
Н 93,9 · П 100 % · 0,88 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 14
DeepSeek deepseek-v3.2
Верифицировано
Качество
47,2
Н 97,2 · П 100 % · 0,31 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 15
Claude Haiku claude-haiku-4.5
OpenRouter
Верифицировано
Качество
46,7
Н 95,0 · П 100 % · 5,00 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 16
Llama 70B Instruct llama-3.3-70b-instruct
Верифицировано
Качество
45,0
Н 95,6 · П 100 % · 0,32 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 17
GPT-4o-mini gpt-4o-mini
Верифицировано
Качество
43,9
Н 91,7 · П 100 % · 0,60 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 18
Mistral Large mistral-large-2512
OpenRouter
Верифицировано
Качество
43,3
Н 93,9 · П 100 % · 1,50 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации
№ 19
Mistral Small 24B mistral-small-3.2-24b-instruct
Верифицировано
Качество
37,2
Н 86,7 · П 100 % · 0,20 $/1 млн
Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г.
Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации

на страницеЭкспорт CSV

	2	GPT Sol gpt-5.6-sol Государственная услуга по регламенту v1.0.0 · OpenRouter · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	77,295% ДИ 70,6–82,7	97,2	10,00 $	100 %
Качество 77,2 95% ДИ 70,6–82,7 · n = 180 Безопасность — ДИ не рассчитан Надёжность 97,2 95% ДИ 93,7–98,8 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 75 %–86 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 10,00 $ / 1 млн вывода · OpenAIОпубликован: 11 ноября 2026 г.Протокол запуска →

	3	Kimi K3 kimi-k3 Государственная услуга по регламенту v1.0.0 · OpenRouter · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	66,195% ДИ 58,9–72,6	95,0	9,34 $	100 %
Качество 66,1 95% ДИ 58,9–72,6 · n = 180 Безопасность — ДИ не рассчитан Надёжность 95,0 95% ДИ 90,8–97,3 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 64 %–77 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 9,34 $ / 1 млн вывода · RelaceОпубликован: 11 ноября 2026 г.Протокол запуска →

	4	Claude Sonnet claude-sonnet-5 Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	62,295% ДИ 55,0–69,0	94,4	10,00 $	100 %
Качество 62,2 95% ДИ 55,0–69,0 · n = 180 Безопасность — ДИ не рассчитан Надёжность 94,4 95% ДИ 90,1–97,0 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 61 %–73 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 10,00 $ / 1 млн вывода · Claude Platform on AWSОпубликован: 11 ноября 2026 г.Протокол запуска →

	5	DeepSeek Pro deepseek-v4-pro-0813 Государственная услуга по регламенту v1.0.0 · OpenRouter · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	58,395% ДИ 51,0–65,3	98,9	1,98 $	100 %
Качество 58,3 95% ДИ 51,0–65,3 · n = 180 Безопасность — ДИ не рассчитан Надёжность 98,9 95% ДИ 96,0–99,7 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 58 %–71 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 1,98 $ / 1 млн вывода · StreamLakeОпубликован: 11 ноября 2026 г.Протокол запуска →

	6	GPT gpt-5.1 Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	57,295% ДИ 49,9–64,2	96,1	5,00 $	100 %
Качество 57,2 95% ДИ 49,9–64,2 · n = 180 Безопасность — ДИ не рассчитан Надёжность 96,1 95% ДИ 92,2–98,1 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 57 %–69 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 5,00 $ / 1 млн вывода · OpenAIОпубликован: 11 ноября 2026 г.Протокол запуска →

	7	GPT Luna gpt-5.6-luna Государственная услуга по регламенту v1.0.0 · OpenRouter · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	56,795% ДИ 49,4–63,7	93,3	0,60 $	100 %
Качество 56,7 95% ДИ 49,4–63,7 · n = 180 Безопасность — ДИ не рассчитан Надёжность 93,3 95% ДИ 88,7–96,1 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 56 %–69 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,60 $ / 1 млн вывода · OpenAIОпубликован: 11 ноября 2026 г.Протокол запуска →

	8	Qwen3.8 Flash qwen3.8-flash Государственная услуга по регламенту v1.0.0 · OpenRouter · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	53,995% ДИ 46,6–61,0	98,3	0,47 $	100 %
Качество 53,9 95% ДИ 46,6–61,0 · n = 180 Безопасность — ДИ не рассчитан Надёжность 98,3 95% ДИ 95,2–99,4 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 54 %–67 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,47 $ / 1 млн вывода · AlibabaОпубликован: 11 ноября 2026 г.Протокол запуска →

	9	Gemma 31B gemma-4-31b-it Государственная услуга по регламенту v1.0.0 · OpenRouter · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	52,895% ДИ 45,5–59,9	95,0	0,10 $	100 %
Качество 52,8 95% ДИ 45,5–59,9 · n = 180 Безопасность — ДИ не рассчитан Надёжность 95,0 95% ДИ 90,8–97,3 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 53 %–65 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,10 $ / 1 млн вывода · ModalОпубликован: 11 ноября 2026 г.Протокол запуска →

	10	DeepSeek Flash deepseek-v4-flash-0731 Государственная услуга по регламенту v1.0.0 · OpenRouter · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	51,795% ДИ 44,4–58,9	97,2	0,14 $	100 %
Качество 51,7 95% ДИ 44,4–58,9 · n = 180 Безопасность — ДИ не рассчитан Надёжность 97,2 95% ДИ 93,7–98,8 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 52 %–65 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,14 $ / 1 млн вывода · RelaceОпубликован: 11 ноября 2026 г.Протокол запуска →

	11	Qwen3.8 27B qwen3.8-27b Государственная услуга по регламенту v1.0.0 · OpenRouter · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	51,195% ДИ 43,9–58,3	97,2	0,59 $	100 %
Качество 51,1 95% ДИ 43,9–58,3 · n = 180 Безопасность — ДИ не рассчитан Надёжность 97,2 95% ДИ 93,7–98,8 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 52 %–64 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,59 $ / 1 млн вывода · PrimeIntellectОпубликован: 11 ноября 2026 г.Протокол запуска →

	12	Qwen3 235B A22B Instruct qwen3-235b-a22b-2507 Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	48,995% ДИ 41,7–56,1	95,0	0,55 $	100 %
Качество 48,9 95% ДИ 41,7–56,1 · n = 180 Безопасность — ДИ не рассчитан Надёжность 95,0 95% ДИ 90,8–97,3 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 50 %–62 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,55 $ / 1 млн вывода · DeepInfraОпубликован: 11 ноября 2026 г.Протокол запуска →

	13	MiniMax M3 minimax-m3 Государственная услуга по регламенту v1.0.0 · OpenRouter · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	48,395% ДИ 41,1–55,6	93,9	0,88 $	100 %
Качество 48,3 95% ДИ 41,1–55,6 · n = 180 Безопасность — ДИ не рассчитан Надёжность 93,9 95% ДИ 89,4–96,6 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 49 %–62 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,88 $ / 1 млн вывода · DeepInfraОпубликован: 11 ноября 2026 г.Протокол запуска →

	14	DeepSeek deepseek-v3.2 Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	47,295% ДИ 40,1–54,5	97,2	0,31 $	100 %
Качество 47,2 95% ДИ 40,1–54,5 · n = 180 Безопасность — ДИ не рассчитан Надёжность 97,2 95% ДИ 93,7–98,8 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 48 %–61 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,31 $ / 1 млн вывода · GMICloudОпубликован: 11 ноября 2026 г.Протокол запуска →

	15	Claude Haiku claude-haiku-4.5 Государственная услуга по регламенту v1.0.0 · OpenRouter · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	46,795% ДИ 39,5–53,9	95,0	5,00 $	100 %
Качество 46,7 95% ДИ 39,5–53,9 · n = 180 Безопасность — ДИ не рассчитан Надёжность 95,0 95% ДИ 90,8–97,3 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 48 %–60 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 5,00 $ / 1 млн вывода · AzureОпубликован: 11 ноября 2026 г.Протокол запуска →

	16	Llama 70B Instruct llama-3.3-70b-instruct Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	45,095% ДИ 37,9–52,3	95,6	0,32 $	100 %
Качество 45,0 95% ДИ 37,9–52,3 · n = 180 Безопасность — ДИ не рассчитан Надёжность 95,6 95% ДИ 91,5–97,7 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 46 %–59 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,32 $ / 1 млн вывода · DeepInfraОпубликован: 11 ноября 2026 г.Протокол запуска →

	17	GPT-4o-mini gpt-4o-mini Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	43,995% ДИ 36,8–51,2	91,7	0,60 $	100 %
Качество 43,9 95% ДИ 36,8–51,2 · n = 180 Безопасность — ДИ не рассчитан Надёжность 91,7 95% ДИ 86,7–94,9 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 45 %–57 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,60 $ / 1 млн вывода · AzureОпубликован: 11 ноября 2026 г.Протокол запуска →

	18	Mistral Large mistral-large-2512 Государственная услуга по регламенту v1.0.0 · OpenRouter · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	43,395% ДИ 36,3–50,6	93,9	1,50 $	100 %
Качество 43,3 95% ДИ 36,3–50,6 · n = 180 Безопасность — ДИ не рассчитан Надёжность 93,9 95% ДИ 89,4–96,6 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 45 %–57 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 1,50 $ / 1 млн вывода · MistralОпубликован: 11 ноября 2026 г.Протокол запуска →

	19	Mistral Small 24B mistral-small-3.2-24b-instruct Государственная услуга по регламенту v1.0.0 · 11 ноября 2026 г. Собственный набор BenchRU; требования сверены с текстом акта на официальном портале правовой информации	37,295% ДИ 30,5–44,5	86,7	0,20 $	100 %
Качество 37,2 95% ДИ 30,5–44,5 · n = 180 Безопасность — ДИ не рассчитан Надёжность 86,7 95% ДИ 80,9–90,9 · n = 180 Эффективность — ДИ не рассчитан Покрытие 100 % 95% ДИ 38 %–51 % · n = 180 Профиль оценки: API, прямой ответ, temperature=0Задач в запуске: 180Уровень доверия: ВерифицированоДешёвый маршрут: 0,20 $ / 1 млн вывода · DeepInfraОпубликован: 11 ноября 2026 г.Протокол запуска →