fix: Gegenprobe der Abbildungen je Datenzeile; Standardmodell ~deepseek/deepseek-flash-latest

- check_figure_readings vergleicht Zahlentupel je Datenzeile statt aller Zahlen des
  Freitexts (Fehlalarm im ersten echten Lauf: zusätzliche Knotenaufzählung); fängt
  falsch zugeordnete Bewertungen und vertauschte Pfeilrichtungen
- feste Form 'Start → Ziel: Bewertung' in Verstehen- und Abbildungs-Prompt;
  abweichende Lesungen stehen im Log
- Standardmodell ist der Alias ~deepseek/deepseek-flash-latest (derzeit V4.1 Flash);
  Benchmarks weiter mit festen IDs

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

checks/model_checks.py

@@ -206,23 +206,35 @@ def check_understanding(understanding, task: str) -> List[CheckIssue]:
     return issues
 
 
-def _numbers_multiset(text: str) -> Counter:
-    """Zahlen eines Textes mit Häufigkeit – eine Kante mit Bewertung 3 zweimal ist nicht dasselbe wie einmal."""
-    zaehler = Counter()
-    for roh in NUMBER_PATTERN.findall(text or ""):
-        try:
-            zaehler[normalize_number(roh)] += 1
-        except ValueError:
-            continue
-    return zaehler
+def _number_rows(text: str) -> Counter:
+    """Je Datenzeile das Tupel ihrer Zahlen: „Pfeil 1 → 2: 3“ und „(1,2): 3“ ergeben beide (1, 2, 3).
+
+    Zeilen trennt der Zeilenumbruch oder ein Semikolon; Zeilen ohne Zahl zählen nicht. So ist der Vergleich
+    unabhängig von der Schreibweise, bemerkt aber eine Bewertung am falschen Pfeil.
+    """
+    zeilen = Counter()
+    # „(1,2)“ ist ein Pfeil, keine Dezimalzahl 1,2 – ganzzahlige Paare in Klammern vorher trennen
+    text = re.sub(r"\((\d+)\s*,\s*(\d+)\)", r"(\1 \2)", text or "")
+    for zeile in re.split(r"[\n;]", text):
+        tupel = []
+        for roh in NUMBER_PATTERN.findall(zeile):
+            try:
+                tupel.append(normalize_number(roh))
+            except ValueError:
+                continue
+        if tupel:
+            zeilen[tuple(tupel)] += 1
+    return zeilen
 
 
 def check_figure_readings(first, second) -> List[CheckIssue]:
     """Zwei unabhängige Übertragungen derselben Abbildungen vergleichen – Zahl für Zahl, ohne LLM.
 
     Ein Bildmodell kann eine Pfeilbewertung dem falschen Pfeil zuordnen oder eine Ziffer verlesen; eine einzige
-    Lesung wäre dann ungeprüft die Datengrundlage jeder weiteren Stufe. Verglichen werden die Zahlen je Abbildung
-    samt Häufigkeit. Richtungsfehler bei gleichen Zahlen fängt das nicht – dafür steht das Original im Report.
+    Lesung wäre dann ungeprüft die Datengrundlage jeder weiteren Stufe. Verglichen werden die Datenzeilen als
+    Zahlentupel (`_number_rows`). Erster Ansatz – alle Zahlen des Freitexts – schlug im ersten echten Lauf
+    fälschlich an: eine Lesung zählte zusätzlich „Knoten: 1, 2, 3, 4“ auf (test_Image.md, 17.09.2026).
+    Eine vertauschte Pfeilrichtung (2 → 3 statt 3 → 2) fällt auf; eine in BEIDEN Lesungen gleich falsche nicht.
     """
     issues = []
     erste = {f.id: f for f in first}
@@ -232,15 +244,14 @@ def check_figure_readings(first, second) -> List[CheckIssue]:
             issues.append(CheckIssue(severity=CheckSeverity.ERROR, code="FIGURE_READINGS_DIFFER",
                                      message=f"{kennung} wurde nur in einer von zwei Lesungen übertragen."))
             continue
-        a = _numbers_multiset(erste[kennung].transcription)
-        b = _numbers_multiset(zweite[kennung].transcription)
+        a = _number_rows(erste[kennung].transcription)
+        b = _number_rows(zweite[kennung].transcription)
         if a != b:
-            nur_a = sorted((a - b).elements(), key=float)
-            nur_b = sorted((b - a).elements(), key=float)
+            zeilen = lambda z: ", ".join("(" + " ".join(t) + ")" for t in sorted(z.elements())) or "–"
             issues.append(CheckIssue(
                 severity=CheckSeverity.ERROR, code="FIGURE_READINGS_DIFFER",
-                message=f"{kennung} uneinheitlich gelesen – nur in Lesung 1: {', '.join(nur_a) or '–'}; "
-                        f"nur in Lesung 2: {', '.join(nur_b) or '–'}."))
+                message=f"{kennung} uneinheitlich gelesen – Datenzeilen nur in Lesung 1: {zeilen(a - b)}; "
+                        f"nur in Lesung 2: {zeilen(b - a)}."))
     return issues