同一份題目（21 題）交給四個設計系統，每個系統給模型兩種份量的資料，各畫一次。上面是每個系統的成績；下面挑一題一份答案，左邊照原樣顯示畫面，右邊是三層評分的每一條結果。點一條，畫面上會用橘框標出它說的地方。覺得評審判錯時，在那一條留下你的判定和理由。
第 0 層：程式依各系統公布的規則檢查用法，一處都沒有才算通過。分母是已經檢查的答案數。
自動無障礙檢查：淺色和深色兩個主題的問題合計。「版面格式造成」是把每個狀態上下疊在同一頁才出現的問題（例如頁面有好幾個主要區域、沒有一級標題、id 重複），不算答案的錯；「已知例外」是系統自己公布、刻意保留的對比例外，目前只有 LUMIXIS 的白字在品牌藍或危險紅按鈕上。兩者都不算進問題數。
是非題：評審只看到代號 A、B，逐題引證據回答「是 / 否 / 無法判斷 / 不適用」；比例 = 「是」÷（是 + 否 + 無法判斷），不適用不計。D5 兩題沒有是非題，只由人評審。
模型 token：每一份答案由一個獨立的 agent 作答，數字是該 agent 用掉的 token。給模型的資料量是該組資料夾的總位元組數。作答和評審都用同一個模型 claude-opus-5-5（從每個 agent 的執行紀錄讀出），推理強度沒有另外設定；評審和作答是同一個模型，可能偏好自己的寫法。