WowDash shell lane

Model World Cup

Model World Cup

Phase 8 preparation baseline for leaderboard, race, radar, briefs and pricing.

Execution focus

Leaderboard first

Leaderboard

Classement

Surface de classement principale pour comparer les modeles.

Source lane

ui-scoreboard

Leader

Claude 4

Leader valide a 82.54.

Poursuivant

GPT-5

Ecart actuel de 3.32 points.

Top mover

+3.28

Derive directement du leaderboard engine.

Current leaderboard

Frontier ranking snapshot

WowDash table lane

Rank	Model	Provider	Overall	Confidence	Movement
1	Claude 4Claude 4 pricing change detected	Anthropic	82.54	89.89	Claude 4 posts a score spike
2	GPT-5GPT-5 appears in the model registry	OpenAI	79.22	88.39	n/a

Lecture d'incertitude

Mean score

82.54

Confidence interval

81.53 -> 83.55

Sample size

22 echantillons

Lecture derivee de score_snapshot_stats pour Claude 4, avec moyenne persistée, intervalle lisible et taille d'echantillon.

heuristic_confidence_interval_v1

Lecture de profil

Source profile

default_public82.54

Lecture alignee sur les projections persistées de Claude 4, en comparant le profil public aux profils alternatifs.

CTO profile83.89

+1.35 vs public

Projection privilegiee pour reasoning, coding et agent readiness.

Media projection80.40

-2.14 vs public

Projection privilegiee pour vitesse, salience et lisibilite large.

Enterprise buyer80.10

-2.44 vs public

Projection privilegiee pour factualite, stabilite et efficience budgetaire.

Lecture de protocole

Run anchor

p2a2-orchestration-pricing-source-v1-2026-03-15

Lecture d'audit derivee de evaluation_runs et task_sets pour distinguer le run, le task set et la methode active.

Task set

pricing-source-v1-2026-03-15

Version de task set rattachee au run recurrent et relue via task_sets.

Methodology version

methodology_v1

Version methodologique persistée sur le run pour borner la lecture analytique.

Protocol

seeded_replay_protocol_v1

Version de protocole d'execution persistée sur evaluation_runs.

Seed strategy

seeded_replay_manifest_v1

Strategie de seed explicite pour eviter une lecture implicite ou narrative.

Variant

pricing_catalog_recurring_refresh

Variante de run utilisee pour distinguer ce lot des autres executions futures.

Lecture de methode

Active methodology

Methodology v1

Lecture de transparence derivee de methodology_versions pour expliciter la version active qui borne le score publie.

Methodology slug

methodology-v1

Identifiant canonique de la methode active reutilisee dans les snapshots et les runs.

Status

active

Etat courant de la version de methode lue par le produit.

Score contract

score snapshots + leaderboard

La lecture publique du leaderboard reste bornee par cette methode active.

Transparency lane

public methodology and transparency

Bloc de transparence qui relie version de methode, score et lecture publique.

Lecture anti-gaming

Transparency lane

Transparence methodologique et safeguards

Lecture publique des garde-fous relies au seed, au task set versionne et a la traçabilite du run canonique.

Safeguard

Seed strategy explicite

Evidence source

evaluation_runs.seed_strategy = seeded_replay_manifest_v1

Why it matters

Le run ne depend pas d'un seed implicite ou d'un choix ad hoc difficile a rejouer.

Safeguard

Task set versionne

Evidence source

task_sets + evaluation_runs.task_set_version = pricing-source-v1-2026-03-15

Why it matters

La comparaison reste borne par un perimetre de taches stable plutot que par une selection mouvante.

Safeguard

Trace de run relisible

Evidence source

evaluation_runs + evaluation_run_logs + evidence_sources

Why it matters

Le score public peut etre rattache a un run, un log de synthese et une source de preuve persistante.

Top movers

Claude 4+3.28

Variation calculee depuis les snapshots persistants de Claude 4.

GPT-5-1.00

Variation calculee depuis les snapshots persistants de GPT-5.

Integration note

This page now uses the dedicated phase 8 leaderboard shell. The next integration step is to replace demo rows with dev-server data from the leaderboard engine.