Les respostes, comparades.

Mateix model generador a totes les condicions (Sonnet 4.6, sense pensament estès), una generació per condició, tanda del 17 de setembre de 2026. El jutge (Opus 5, tres repeticions, codis del model esborrats abans de jutjar) puntua quatre criteris de 0 a 3 —oposició real, síntesi que treballa, ancoratge al cas, coherència— i la nota és la suma sobre 12. Es mostren les mitjanes de les tres repeticions i els tres motius del jutge. Mitjanes sobre els 30 dilemes: model sol 0.676, Arkadium 0.794 (prompt sense bucle 0.71, bucle 𝓦 0.706, bastida oculta 0.737). Mètode i resultats: pàgina del benchmark; enunciats sencers: els 30 dilemes.

Veredicte. A part de les notes, el mateix jutge ha rebut, per a cada dilema, les dues respostes a cegues —com a «Resposta 1» i «Resposta 2», en ordre aleatori i sense codis— i ha escrit un paràgraf que diu en què és millor i en què és pitjor cadascuna i quina prefereix. És un judici comparatiu, independent de les notes per criteri. Prefereix Arkadium en 28 dilemes, el model sol en 2, empat en 0 (de 30 amb veredicte). Després de la tanda s'han provat, en pocs dilemes, dues variants d'Arkadium: la v2 (raons a la posició que no es tria, concreció amb les dades del cas, decisió final amb condicions, sense tancaments sentenciosos) als dos dilemes on el veredicte preferia el model sol, i la v3 (la v2 més una alternativa intermèdia, la frase que es podria dir, què evitar, i un tancament breu «En concret:» amb dues o tres línies d'acció) en dos més. On hi ha variant, la columna d'Arkadium la mostra, amb les seves notes i el seu veredicte, i la resposta de la tanda queda entre les altres condicions. Les mitjanes de dalt són les del benchmark, sense variants.