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 16:23:13 智能体 OpenCode 思考强度 中档 7 个模型 评审:自动判定、人工复核
答对 2/7Claude Haiku 5.5最快 38.7s最快完成Qwen3.8 Flash34.7sTokens 最少Qwen3.8 Flash11.5k
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 38.7s 1 / 0 22.5k输出 334 $0.0052
2 DeepSeek V4.1 Flash 正常完成 基地被击毁自动判定 正确 3m 52s 12 / 11 277.0k输出 2.0k $0.021
3 Qwen3.8 Flash 正常完成 基地安全自动判定 错误 34.7s 1 / 0 11.5k输出 858 $0.0025
4 GPT-6 Luna 正常完成 基地安全 错误 1m 05s 1 / 0 13.7k输出 84 $0.0033
5 GLM 5.3 Flash 正常完成 基地安全自动判定 错误 1m 13s 1 / 0 18.3k输出 296 $0.0049
6 MiMo V2.6 Flash 正常完成 基地安全自动判定 错误 3m 48s 6 / 6 99.4k输出 1.2k $0.0039
7 MiniMax M3.1 Flash 正常完成 基地安全自动判定 错误 6m 42s 17 / 17 406.3k输出 3.9k $0

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297 字
**结论:两发炮弹会击毁基地,游戏结束。** 依据参考图的地图网格: 1. **红框条件不在射击路线上。** 红框砖块位于中间第 7 行,黄色坦克在最下面第 12 行。题目的前提只说明炮弹能在两发内击穿砖块,即炮弹威力足够。 2. **第一发:** 坦克朝右射出,子弹沿第 12 行飞行。途中第一块障碍是基地左侧的砖墙(紧挨老鹰左边的那一列砖)。按前提,这面砖墙被打掉。 3. **第二发:** 子弹穿过被打掉的缺口,击中基地的老鹰。老鹰被摧毁,玩家失败,游戏结束。 坦克射出的子弹不会先打到红框里的砖块,因此"两炮打掉红框砖块"这个条件只用来说明炮弹的威力,与基地被毁的结果无直接关系。
基地被击毁
答对 · 自动判定

结论依据:“基地被毁”

耗时38.7s
步数1
工具调用0
输出 Tokens334
Tokens22.5k
费用$0.0052
耗时拆分有效 30.2s
等待接口 0.0s模型生成 30.2s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158 字
黄色坦克朝右开两枪,会先打掉基地左侧的那堵护墙;随后第二发子弹穿过缺口,直接命中基地。 原因:红色框中的砖墙有两层厚,所以需要两炮才能打穿;而基地左右两侧的护墙只有一层砖厚,一炮就能打穿。因此第一枪就会打穿护墙,第二枪会被基地挡住。 结果:基地被摧毁,游戏结束(GAME OVER),相当于自己把自己的基地打爆。
基地被击毁
答对 · 自动判定

结论依据:“基地打爆”

耗时3m 52s
步数12
工具调用11
输出 Tokens2.0k
Tokens277.0k
费用$0.021
耗时拆分有效 2m 45s
等待接口 36.5s模型生成 2m 40s工具执行 5.6s
3

Qwen3.8 Flash

opencode-go/qwen3.8-flash正常完成思考 medium
最终回答158 字
黄色坦克朝右开两枪,两发子弹会打在基地左侧的保护墙上。既然两炮能打掉一块砖(如红框所示),那么两枪正好会击穿基地左边护墙的一块砖,在围墙上打出一个缺口。 结果:基地(老鹰)本身不会被直接摧毁,但它左侧的防护墙被打穿了——基地暴露出来,敌方坦克(比如上方的白色坦克)以后就能从这个缺口直接打进基地,游戏随时可能失败。
基地安全
答错 · 自动判定

结论依据:“基地(老鹰)本身不会被”

耗时34.7s
步数1
工具调用0
输出 Tokens858
Tokens11.5k
费用$0.0025
耗时拆分有效 19.8s
等待接口 0.0s模型生成 19.8s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94 字
黄色坦克朝右射击,首先会打到基地左侧的砖墙。按普通炮弹命中砖块后消失的规则,两炮若刚好打掉这段墙,基地会露出来,但**这两炮不会直接打到基地**;还要再开一枪才会击中基地并导致基地被摧毁。
基地安全
答错 · 人工复核

回答明确说“这两炮不会直接打到基地,还要再开一枪才会击中基地”——结论为“基地安全”(错误)。自动判定因“还要再开一枪…摧毁”这类假设句没有归类。

耗时1m 05s
步数1
工具调用0
输出 Tokens84
Tokens13.7k
费用$0.0033
耗时拆分有效 56.8s
等待接口 0.0s模型生成 56.8s工具执行 0.0s
5

GLM 5.3 Flash

opencode-go/glm-5.3-flash正常完成思考 high
最终回答437 字
**结论:基地(鹰)暂时不会被击毁,但它的左侧护墙会被完全打穿,直接暴露在炮口下。** 推理过程: 1. **条件含义**:红框正好是一块完整砖块(2×2 小格)。按 Battle City 规则,一颗子弹能打掉 2 小格宽、1 小格深的砖,“两炮打掉红框砖块”说明每枪削掉一层砖、两枪正好清空一块砖。 2. **黄色坦克朝右的弹道**:坦克在左下角出生点,朝右看——正前方隔着一条 1 块砖厚的砖墙(x≈680–790,即基地工事左侧那列砖),砖墙后面就是老鹰基地。 3. **结果**: - 第一枪打掉外层砖,第二枪打掉里层砖——两枪正好把坦克与基地之间的砖墙清空,子弹本身也耗尽在砖上; - 所以这两枪**打不到老鹰**,基地不会被炸毁,游戏不会立刻结束; - 但基地左侧防御完全被打开,黄色坦克(或任何沿这条直线过来的敌方子弹)只需再开一炮就能击毁基地——Game Over。 顺带一提:图中黄色坦克目前朝上,真要朝右开枪得先右转再射击。
基地安全
答错 · 自动判定

结论依据:“基地不会被”

耗时1m 13s
步数1
工具调用0
输出 Tokens296
Tokens18.3k
费用$0.0049
耗时拆分有效 57.1s
等待接口 0.0s模型生成 57.1s工具执行 0.0s
6

MiMo V2.6 Flash

opencode-go/mimo-v2.6-flash正常完成思考 默认(不支持调档)
最终回答266 字
**分析**(基于图像实际布局): - 红框砖 = 1 个砖块单元,规则给出:两发炮弹的威力 ≈ 打掉 1 个砖块。 - 黄坦克右侧路径:黑色通道 → **一列砖(正是挡在基地前的保护墙)** → 白色基地。三者几乎在同一水平线上,砖墙完全挡住弹道。 **结论:** 1. **黄坦克朝右开两枪**:第一枪命中挡路的砖墙,第二枪继续打同一处——两发炮弹恰好把这列砖打掉,砖墙被摧毁、通道打开,但炮弹也全部消耗在砖上,不会穿透。 2. **基地**:安然无恙,没有被击中。不过它的砖墙保护已被打掉,若再开第三枪就会直接命中基地。
基地安全
答错 · 自动判定

结论依据:“基地**:安然无恙”

耗时3m 48s
步数6
工具调用6
输出 Tokens1.2k
Tokens99.4k
费用$0.0039
耗时拆分有效 2m 48s
等待接口 44.5s模型生成 2m 45s工具执行 3.5s
7

MiniMax M3.1 Flash

opencode-go/minimax-m3.1-flash-free正常完成思考 high
最终回答518 字
## 读图结论(13×13 网格,坐标为第几列/第几行) | 对象 | 位置 | |---|---| | 黄色坦克 | 第 5 列第 13 行(贴着底边,炮口朝上) | | 红框砖块 | 第 5 列第 8 行 —— 就在坦克正上方,中间第 9~12 行全是空地,子弹可直达 | | 基地(老鹰) | 第 7 列第 13 行 | | 坦克正右侧 | 第 6 列第 13 行的砖 —— 正是基地的左侧防护砖墙 | ## 两炮朝右会发生什么 - 第一发子弹射向右方紧挨着坦克的那块砖(基地左侧的砖墙),把它打出一道裂纹; - 第二发子弹仍打在**同一块砖**上,把它彻底打碎(前提已说明:砖要两炮才碎); - 两发子弹都被这块砖吸收,**不会越过障碍继续飞行**(子弹撞到实体就消失)。 ## 基地会怎么样 - 这两炮**打不到基地**,老鹰完好无损,不会因此 game over; - 但基地左侧的防护砖墙被打掉了,左翼出现缺口:坦克向右推进一格、再开一炮就能直接命中老鹰,基地才会被摧毁。 简言之:红框那两块砖的耐久是 2 发;朝右开两炮的结果是"打掉基地左边的一块砖墙、基地暂时毫发无伤,但防护已破,下一炮就是基地的末日"。
基地安全
答错 · 自动判定

结论依据:“基地左边的一块砖墙、基地暂时毫发无伤”

耗时6m 42s
步数17
工具调用17
输出 Tokens3.9k
Tokens406.3k
费用$0
耗时拆分有效 5m 21s
等待接口 1m 07s模型生成 5m 11s工具执行 10.2s