Chúng tôi đo độ chính xác như thế nào
Mọi con số trên trang chủ đều đến từ phép đo dưới đây — các bài làm, điểm số và những lần lệch, kể cả của chính chúng tôi.
Bộ bài làm: các bài Cambridge 19 và 20 đã xuất bản kèm điểm giám khảo, cộng các bài mẫu Band 9 do IDP công bố. Tất cả đều công khai — Cambridge 19 và 20 có ở mọi nhà sách với điểm giám khảo in ngay trong sách, và IDP đăng bài mẫu Band 9 trên chính trang của họ.
Quy trình: mọi hệ thống nhận đúng một câu lệnh chấm giống hệt nhau — cùng văn bản, cùng định dạng, không gợi ý — và chấm mỗi bài ba lần vào 9 Aug 2026 (chatbots) · 2 Sep 2026 (ours). Mọi con số là trung vị của hệ thống đó; số của chúng tôi chạy qua đúng đường chấm điểm mà người dùng nhận được.
Chúng tôi công bố cả những lần lệch lẫn những lần trúng: độ lệch trung bình của chúng tôi là 0.30 band, chúng tôi đọc bài 8.0 thành 7.5 trong khi Gemini chấm trúng, đọc bài 5.0 dài 144 từ cao trọn một band, và không hệ thống nào — kể cả của chúng tôi — chạm tới điểm 9 do IDP công bố. Đo lường trung thực là như vậy, và chúng tôi nói thẳng thay vì hứa “±0.5”.
Từ ngày 6 tháng 9 năm 2026, mỗi báo cáo in một khoảng điểm bên cạnh band có khả năng nhất — khoảng mà band của giám khảo rơi vào ở những bài chấm tương tự, ví dụ 6.5–8.0 · khả năng nhất 7.0. Các band trong bảng dưới đây là band có khả năng nhất của mỗi lần chấm.
Không phải một bài may mắn.
Trên cả mười bài giám khảo đã chấm — chúng tôi lệch trung bình 0.30 band. Gemini 0.70 · DeepSeek 0.90 · ChatGPT 0.95 · Claude 1.50. Chín trong mười bài lệch không quá nửa band. Bài thứ mười — bài 4.0 chúng tôi đọc thành 5.0 — là bài tệ nhất của chúng tôi, và nó nằm trong con số trung bình đó.
Độ lệch trung bình so với band giám khảo — càng nhỏ càng tốt.
Sai lệch tệ nhất trong một bài: IELTS Ace 1.0 · ChatGPT 1.5 · DeepSeek 1.5 · Gemini 2.0 · Claude 2.5 band.
Từng bài một
| Bài làm | Band giám khảo | 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) |
Các bài hiển thị trên trang chủ. Phần tổng hợp phía trên tính trên cả mười bài giám khảo đã chấm của cùng lần chạy; mọi con số là trung vị của ba lần.
← Về trang chủ