Initially I aimed to test with at least 10 formulas for each model for SAT/UNSAT, but it turned out to be more expensive than I expected, so I tested ~5 formulas for each case/model. First, I used the openrouter API to automate the process, but I experienced response stops in the middle due to long reasoning process, so I reverted to using the chat interface (I don't if this was a problem from the model provider or if it's an openrouter issue). For this reason I don't have standard outputs for each testing, but I linked to the output for each case I mentioned in results.
В результате мощного взрыва в квартире дома № 8 корпус 3 по улице Кадырова в Москве оказалась повреждена фасадная плита, специалисты демонтируют ее с помощью специализированной техники. Об этом «Ленте.ру» рассказали в префектуре Юго-Западного административного округа (ЮЗАО), отметив, что инцидент на несущие конструкции дома не повлиял.，更多细节参见WPS官方版本下载
。im钱包官方下载对此有专业解读
（三）国务院税务、财政主管部门确定的其他纳税人。
Жители Санкт-Петербурга устроили «крысогон»17:52，更多细节参见搜狗输入法2026