Methodologie

Hoe we modellen testen

Kies een van de 12 visuele workflow arena's. Elke arena test een specifieke frontend vaardigheid — van landing pages tot mobiele reparaties.

Drie prompt niveaus: vaag brief, implementatie spec, en handoff plan met Struq context. Zo meten we hoeveel context uitmaakt.

Repo-native Next.js/Tailwind of standalone HTML. Twee verschillende workflows, twee verschillende maatstaven.

OpenCode, Claude Code, of Codex. Solo of met subagents. We meten niet alleen het model, maar de hele workflow.

Elke run gebeurt in een geïsoleerde git worktree. De agent krijgt exact dezelfde prompt, context, en constraints.

Playwright screenshots op desktop, tablet, en mobiel. Build en typecheck verificatie. Geen handmatige interventie.

Geautomatiseerde scoring op 7 dimensies: visueel vakmanschap, context adherence, responsive, copy, compleetheid, workflow discipline, en efficiëntie.

Resultaten worden gesanitized en gepubliceerd als immutable snapshots. Altijd herleidbaar naar exact model, prompt, en harness.