เราวัดความแม่นยำอย่างไร
ตัวเลขทุกตัวบนหน้าแรกของเรามาจากการวัดผลด้านล่างนี้ — ข้อสอบ คะแนน และครั้งที่พลาด รวมถึงของเราเองด้วย
ชุดคำตอบ: คำตอบ Cambridge 19 ที่ตีพิมพ์พร้อมคะแนนกรรมการ บวกคำตอบตัวอย่าง Band 9 ที่ IDP เผยแพร่ ทุกฉบับเป็นสาธารณะ — Cambridge 19 มีขายทุกร้านหนังสือพร้อมคะแนนกรรมการพิมพ์อยู่ข้างใน และ IDP เผยแพร่ตัวอย่าง Band 9 บนเว็บไซต์ของตัวเอง
ขั้นตอน: ทุกระบบได้รับ prompt ให้คะแนนชุดเดียวกันเป๊ะ — ข้อความเดียวกัน รูปแบบเดียวกัน ไม่มีการชี้นำ — และให้คะแนนทุกคำตอบสามครั้งเมื่อ 9 Aug 2026 (chatbots) · 2 Sep 2026 (ours) ตัวเลขทุกตัวคือค่ามัธยฐานของระบบนั้น ของเราวิ่งผ่านเส้นทางการให้คะแนนเดียวกับที่ผู้ใช้ของเราได้รับ
เราเผยแพร่ทั้งครั้งที่พลาดและครั้งที่ตรง: ค่าเบี่ยงเบนเฉลี่ยของเราคือ 0.30 band เราอ่านคำตอบ 8.0 เป็น 7.5 ขณะที่ Gemini ทายถูกเป๊ะ และไม่มีระบบไหน — รวมทั้งของเรา — แตะ 9 ที่ IDP เผยแพร่ได้ การวัดผลที่ซื่อสัตย์หน้าตาเป็นแบบนี้ และเราพูดตรง ๆ แทนที่จะสัญญา “±0.5”
ตั้งแต่วันที่ 6 กันยายน 2026 รายงานทุกฉบับจะแสดงช่วงคะแนนไว้ข้างแบนด์ที่เป็นไปได้มากที่สุด ซึ่งคือช่วงที่แบนด์ของผู้ตรวจตกอยู่ในการตรวจที่คล้ายกัน เช่น 6.5–8.0 · เป็นไปได้มากที่สุด 7.0 แบนด์ในตารางด้านล่างคือแบนด์ที่เป็นไปได้มากที่สุดของแต่ละการตรวจ
ไม่ใช่เรียงความฟลุกแค่ฉบับเดียว
ตลอดคำตอบที่กรรมการให้คะแนนทั้งสิบชุด — ค่าเบี่ยงเบนเฉลี่ยของเรา: 0.30 band · Gemini 0.70 · DeepSeek 0.90 · ChatGPT 0.95 · Claude 1.50 เก้าในสิบอยู่ในระยะครึ่ง band ชุดที่สิบ — คำตอบระดับ 4.0 ที่เราอ่านเป็น 5.0 — คือครั้งที่แย่ที่สุดของเราในชุดนี้ และถูกนับรวมในค่าเฉลี่ยนั้นแล้ว
ค่าเบี่ยงเบนเฉลี่ยจาก band ของกรรมการ — ยิ่งน้อยยิ่งดี
ค่าคลาดเคลื่อนสูงสุดในข้อสอบฉบับเดียว: IELTS Ace 1.0 · ChatGPT 1.5 · DeepSeek 1.5 · Gemini 2.0 · Claude 2.5 แบนด์
ข้อสอบ ทีละฉบับ
| ข้อสอบ | Band ของกรรมการ | ChatGPT | Gemini | DeepSeek | Claude | IELTS Ace |
|---|---|---|---|---|---|---|
| Cambridge 19 · Test 2 · Task 1 | 4.0 | 3.0 (−1.0) | 2.0 (−2.0) | 3.0 (−1.0) | 1.5 (−2.5) | 4.0 ✓ |
| Cambridge 20 · Test 3 · Task 1 | 5.0 | 4.0 (−1.0) | 4.5 (−0.5) | 4.5 (−0.5) | 3.5 (−1.5) | 5.5 (+0.5) |
| Cambridge 19 · Test 1 · Task 1 | 5.5 | 5.0 (−0.5) | 5.0 (−0.5) | 5.5 (0.0) | 4.5 (−1.0) | 6.0 (+0.5) |
| Cambridge 19 · Test 1 · Task 1 | 6.0 | 5.0 (−1.0) | 5.0 (−1.0) | 4.5 (−1.5) | 4.5 (−1.5) | 6.0 ✓ |
| Cambridge 19 · Test 2 · Task 2 | 7.0 | 6.0 (−1.0) | 6.5 (−0.5) | 5.5 (−1.5) | 5.5 (−1.5) | 7.0 ✓ |
| Cambridge 19 · Test 1 · Task 2 | 8.0 | 6.5 (−1.5) | 8.0 (0.0) | 6.5 (−1.5) | 6.5 (−1.5) | 7.5 (−0.5) |
| IDP · published Band 9 sample (line graph) · Task 1 | 9.0 | 7.0 (−2.0) | 8.0 (−1.0) | 6.5 (−2.5) | 5.5 (−3.5) | 7.5 (−1.5) |
คำตอบสี่ชุดที่แสดงบนหน้าแรก ตารางครบเก้าฉบับพร้อมผลลัพธ์ดิบจะมาพร้อมการวัดซ้ำแบบสมมาตร
← กลับไปหน้าแรก