甲·基 JarvisBench · 模型测评 总览 模型详情
T2测评报告

坦克大战视觉推理(基地会不会被击毁)

2026/10/21 15:47:11 智能体 OpenCode 思考强度 中档 7 个模型 评审:自动判定
答对 2/7Claude Haiku 5.5最快 36.4s最快完成GLM 5.3 Flash30.2sTokens 最少GPT-6 Luna11.7k
题目附图
题目

根据参考图回答下面问题: 如果两炮能打掉红色框中的砖块,那么黄色坦克朝右开两枪会怎么样?基地会怎么样? 参考图:question.png(已附在消息中,也在当前目录下)

标准答案基地被击毁答对 2 / 7

三维总览

判定 · 耗时 · 费用;同一行是同一个模型,按综合排序

分项对比

总览点击任意一行查看详情

1 Claude Haiku 5.5 正常完成 基地被击毁自动判定 正确 36.4s 1 / 0 22.2k输出 416 $0.0050
2 DeepSeek V4.1 Flash 正常完成 基地被击毁自动判定 正确 2m 20s 12 / 14 199.2k输出 2.1k $0.013
3 GLM 5.3 Flash 正常完成 基地安全自动判定 错误 30.2s 1 / 0 14.5k输出 234 $0.0030
4 GPT-6 Luna 正常完成 基地安全自动判定 错误 35.1s 1 / 0 11.7k输出 75 $0.0022
5 Qwen3.8 Flash 正常完成 基地安全自动判定 错误 1m 33s 1 / 0 14.1k输出 3.5k $0.0038
6 MiniMax M3.1 Flash 正常完成 基地安全自动判定 错误 11m 09s 16 / 15 481.0k输出 4.0k $0
7 MiMo V2.6 Flash 超时 没有明确结论自动判定 错误 20m 01s 8 / 10 233.4k输出 2.2k $0.016

模型详情

1

Claude Haiku 5.5

opencode-go/claude-haiku-5-5正常完成思考 high
最终回答389 字
**结论:第一发打掉基地左侧的一块砖,第二发穿过缺口击中基地,基地被毁,游戏失败。** 1. **红色框与黄色坦克不在同一行。** 红框砖块位于中间一行,黄色坦克在最下方(网格约第 24-25 行)。坦克朝右开炮的子弹走的是自己所在的底部行,与红框无关。所以“两炮打掉红框砖块”这个前提对这次射击没有影响。 2. **第一发:** 坦克右侧(列 10)是空的,子弹飞到列 11 处的砖墙。这块砖是基地左侧的防护砖。基本炮弹每次只消除一小块砖(8×8 像素),因此这一发只打掉这一小块,不会打掉整格。 3. **第二发:** 砖块消失后,同一行的列 11 变空,子弹继续前进,直接命中列 12-13 的基地(老鹰)。老鹰被击中即被摧毁,游戏结束。 另外,基地上方虽然有一排砖(第 23 行),但它不挡住底部这一行的射击。上下两行的结果相同,因为左侧砖墙和老鹰在两行都存在。
基地被击毁
答对 · 自动判定

结论依据:“游戏结束”

耗时36.4s
步数1
工具调用0
输出 Tokens416
Tokens22.2k
费用$0.0050
耗时拆分有效 29.5s
等待接口 0.0s模型生成 29.5s工具执行 0.0s
2

DeepSeek V4.1 Flash

opencode-go/deepseek-v4.1-flash正常完成思考 high
最终回答220 字
**结论:两枪会把自己的基地打爆。** - **第一枪**:基地左侧的护墙只有**半格砖厚**。按“红色框中一整格砖需要两炮”的规则,半格砖一炮即碎,所以这一枪刚好拆掉那面护墙,子弹消失。 - **第二枪**:缺口敞开,且基地与坦克在同一行,子弹直接命中基地的老鹰(游戏失败标志),基地爆炸,游戏结束(失败)。 也正因护墙只有半格厚,才会出现“两炮足够先拆墙、再打中基地”的结果;若护墙有整格厚,两炮就只能刚好打穿墙,基地则会暂时安全。
基地被击毁
答对 · 自动判定

结论依据:“游戏结束”

耗时2m 20s
步数12
工具调用14
输出 Tokens2.1k
Tokens199.2k
费用$0.013
耗时拆分有效 1m 33s
等待接口 32.4s模型生成 1m 27s工具执行 6.9s
3

GLM 5.3 Flash

opencode-go/glm-5.3-flash正常完成思考 high
最终回答350 字
**两枪的结果**:按题目设定(砖墙两枪可摧毁),黄色坦克朝右开两枪后,红框中的砖块会被打掉,墙上留下一个缺口。但《坦克大战》里子弹命中砖块后自身就消失了,不会继续向前飞,所以这两枪本身伤不到更远处的目标。 **基地会怎样**:基地(老鹰)暂时是安全的—— 1. 子弹打掉红框砖块后就终止了,不会直接命中基地; 2. 而且红框砖块右侧紧挨着的是银色钢块(不可摧毁),即使再来第三枪,也会被钢块挡住,无法穿到基地。 **但要注意隐患**:红框处的砖墙本来是基地外围防线的一部分,被打掉后就出现了缺口。虽然这条线路上有钢块保护,但如果缺口通向的通道被敌方坦克利用(绕到基地侧后方开火),基地被击中一炮就会变成失败旗帜,直接 Game Over。所以这两枪等于自己拆掉了基地的防护墙,是“资敌”行为。
基地安全
答错 · 自动判定

结论依据:“无法穿到基地”

耗时30.2s
步数1
工具调用0
输出 Tokens234
Tokens14.5k
费用$0.0030
耗时拆分有效 15.5s
等待接口 0.0s模型生成 15.5s工具执行 0.0s
4

GPT-6 Luna

opencode-go/gpt-6-luna正常完成思考 high
最终回答82 字
黄色坦克右侧的砖墙挡在基地前面。两发会把这块砖墙打掉;子弹命中砖块后会消失,所以基地不会被这两发打中,仍然完好。不过基地左侧的防护墙被打穿了,会更容易受到敌人攻击。
基地安全
答错 · 自动判定

结论依据:“基地不会被”

耗时35.1s
步数1
工具调用0
输出 Tokens75
Tokens11.7k
费用$0.0022
耗时拆分有效 26.7s
等待接口 0.0s模型生成 26.7s工具执行 0.0s
5

Qwen3.8 Flash

opencode-go/qwen3.8-flash正常完成思考 medium
最终回答253 字
**分析弹道:** 黄色坦克朝右射击时,正前方挡路的是基地左侧的那堵砖墙(红框同款砖,需两炮才能打掉一块)。 - **第 1 枪**:炮弹打在基地左墙砖上,砖被削弱但没碎,墙完好。 - **第 2 枪**:同一块砖终于被打掉,墙上露出一个缺口;但这发炮弹也消耗在碎砖上了(Battle City 中炮弹打碎砖后不会穿透继续飞)。 **结论:** 开两枪刚好打穿基地左侧防护墙的一块砖,**基地本身没有被命中,暂时安全**——但防护已被打开缺口,**再来第三枪就会直接命中基地,基地被毁(游戏失败)**。
基地安全
答错 · 自动判定

结论依据:“基地本身没有被”

耗时1m 33s
步数1
工具调用0
输出 Tokens3.5k
Tokens14.1k
费用$0.0038
耗时拆分有效 1m 19s
等待接口 0.0s模型生成 1m 19s工具执行 0.0s
6

MiniMax M3.1 Flash

opencode-go/minimax-m3.1-flash-free正常完成思考 high
最终回答558 字
已按像素逐格解析这张图(战场 13×13 格,格宽约132px),关键坐标如下: | 对象 | 位置 | |---|---| | 红框砖块 | 第7行(中间横墙)× 第4列,x≈626–766 | | 黄坦克 | 底行(第12行)× 第4列,x≈666–730 | | 坦克正右方 | 一道窄砖柱 x≈748–764(紧贴坦克右侧) | | 基地(鹰) | 底行第6列,x≈912–1011 | | 鹰两侧护砖 | 左 x≈834–894,右 x≈1030–1094 | **推理链:** 1. 前提给出规则:一块砖要两炮才能打掉(红框那整块砖正是如此)。 2. 黄坦克在底行,正右方紧邻的就是那道窄砖柱,炮弹必然先命中它;第1炮打掉一半,第2炮把剩下的一半打碎,两炮正好消耗在同一块砖上,炮弹不会“穿过”砖继续前进。 3. 基地在更右边,中间还隔着基地自己左翼那块砖(x≈834–894),两炮根本到不了鹰身上;而且鹰左右两侧都有砖护着。 **结论:** - 黄色坦克右侧的砖柱被打掉,底行右侧的通道被打通,坦克可以向右开动、靠近基地; - **基地不会受损**,鹰依然完好——两炮全被右侧那块砖吸收了,而且基地仍被左右两翼的砖墙保护。想威胁到基地,至少还得先打掉鹰左边那块砖,之后还差一发才能命中鹰本身。
基地安全
答错 · 自动判定

结论依据:“鹰依然完好”

耗时11m 09s
步数16
工具调用15
输出 Tokens4.0k
Tokens481.0k
费用$0
耗时拆分有效 8m 20s
等待接口 2m 35s模型生成 7m 17s工具执行 1m 04s
7

MiMo V2.6 Flash

opencode-go/mimo-v2.6-flash超时思考 默认(不支持调档)
最终回答19 字
我先裁剪图片的关键区域来仔细确认布局。
没有明确结论
答错 · 自动判定

回答中没有找到明确结论

耗时20m 01s
步数8
工具调用10
输出 Tokens2.2k
Tokens233.4k
费用$0.016
耗时拆分有效 12m 10s
等待接口 40.3s模型生成 12m 07s工具执行 3.6s