Чек-лист
кодовое словоОпус
Как правильно тестировать Opus-5 на сложной задаче
01
Дай одинаковую задачу нескольким моделям
Так ты увидишь разницу не по ощущениям, а по результату. Один промпт — несколько моделей — одинаковые критерии
02
Тестируй автономность
Важно не только «сделал ли сайт», а довёл ли модель задачу до рабочего состояния без подсказок между шагами
03
Используй тестовый промпт из скриншота
Текст промпта
Промт 112 строк · 516 знаков
Работай в режиме Goal. Ты работаешь в песочнице с доступом к терминалу. Задача — довести проект до полностью рабочего состояния без моих подсказок между шагами. Собери CLI-приложение "tasks" на Python: - команды add / list / done / rm; - хранение в SQLite; - у задачи есть title, created_at, due_date, status; - команда overdue выводит просроченные задачи. Затем: - сам напиши тесты; - запусти тесты; - чини код, пока все тесты не станут зелёными; - в конце выведи команду запуска, результат тестов и короткий отчёт.
Что сравнивать между моделями
Количество тестов, качество архитектуры, ошибки, самостоятельность, финальный отчёт, умение исправлять баги.
Для 3D-задачи добавь визуальные критерии
Свет, камера, глубина, движение, мобильный экран, управление, отсутствие пустого AI-дизайна.
Финальная проверка
Результат должен запускаться, проходить тесты и выглядеть как рабочий прототип, а не как демо «на один скриншот».
