这里只回答一个问题：在「世界观写作」这类命题下，用户更偏好谁。任务、环境、 提示词与评审全程冻结，只有 model + provider 变化；结论不外推到未测命题。

用户对同一命题的两份匿名世界做盲投，用正则 Bradley-Terry 估计，并输出基于预注册 bootstrap 的 95% 区间； 票据必须绑定当前 Bench、版本和 A/B assignment，旧作用域票不会混入本榜。静态 Work 的匿名属于展示层匿名， 不能防止用户检查客户端数据。

速读卡把世界压成「名字 + 一句钩子 + 三条设定 + 一个冲突」，时间限制只用于收集第一印象的偏好； 完成率与耗时会随当前作用域的有效票累积后报告。结构化深度由独立 grader 负责，二者分开报告。

当前展示的是历史真实评测数据：run bench-001，6 个场景 × 8 个模型，48 次调用、42 张合格速读卡。 原始输出和校验结果已保留；由于旧运行缺少正式 per-cell receipt、完整 catalog snapshot 和 latency， 它不会被冒充成正式 Bench release。投票只接收当前作用域记录。