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 17:32:41 智能体 OpenCode 思考强度 中档 7 个模型 评审:自动判定
答对 3/7Claude Haiku 5.5最快 52.0s最快完成GLM 5.3 Flash28.9sTokens 最少Qwen3.8 Flash12.9k
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 3 / 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 52.0s 1 / 0 23.8k输出 380 $0.0058
2 DeepSeek V4.1 Flash 正常完成 基地被击毁自动判定 正确 2m 25s 12 / 11 160.5k输出 1.3k $0.011
3 MiMo V2.6 Flash 正常完成 基地被击毁自动判定 正确 16m 47s 18 / 18 587.0k输出 5.6k $0.027
4 GLM 5.3 Flash 正常完成 基地安全自动判定 错误 28.9s 1 / 0 14.3k输出 178 $0.0028
5 GPT-6 Luna 正常完成 基地安全自动判定 错误 54.1s 1 / 0 13.8k输出 76 $0.0033
6 Qwen3.8 Flash 正常完成 基地安全自动判定 错误 57.7s 1 / 0 12.9k输出 2.2k $0.0032
7 MiniMax M3.1 Flash 正常完成 基地安全自动判定 错误 2m 26s 14 / 13 286.1k输出 3.2k $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356 字
**结论:两发子弹会打掉基地左侧的一块砖墙,第二发会直接命中基地,基地被摧毁,游戏结束。** - **红框砖块与这两发子弹无关。** 红框砖块在中部横排(约第 8 行),黄色坦克在最下排(第 13 行),朝右的子弹只沿第 13 行飞行。 - **第一发:** 子弹沿第 13 行向右,先飞过坦克右侧的空位,击中基地左侧的砖墙。这面墙横向只有一块砖厚(约 58 px),一发即可打掉其中一块。 - **第二发:** 墙上的缺口打开后,子弹穿过去命中基地(老鹰),基地被摧毁。 这里“两炮打穿红框”的前提有参照意义:红框是一整块 2×2 的砖(约 117 px,横向两块砖厚),需要两发才能打穿;而基地左侧的墙只有一块砖厚,所以两发就足以打到基地。 坦克目前是朝上的,需要先转向右边,转向后才能按这个方式射击。
基地被击毁
答对 · 自动判定

结论依据:“基地被摧毁”

耗时52.0s
步数1
工具调用0
输出 Tokens380
Tokens23.8k
费用$0.0058
耗时拆分有效 43.5s
等待接口 0.0s模型生成 43.5s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145 字
黄色坦克朝右开两枪时: - **第一枪**:打掉基地左侧那一层砖墙,打开缺口。 - **第二枪**:从缺口穿过,直接击中基地的鹰。 - **结果**:基地被摧毁,游戏结束(失败)。 红色框中的一整套砖块需要两枪才能打掉,但基地围墙只有半格厚、一层砖,因此一枪就能打穿;第二枪会打到基地。
基地被击毁
答对 · 自动判定

结论依据:“游戏结束”

耗时2m 25s
步数12
工具调用11
输出 Tokens1.3k
Tokens160.5k
费用$0.011
耗时拆分有效 1m 37s
等待接口 35.4s模型生成 1m 32s工具执行 5.0s
3

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441 字
## 分析 通过像素级分析地图布局(底部一行,半格分辨率): ``` [黄色坦克 cols8-9] [空地 col10] [砖 col11] [基地(老鹰) cols12-13] [砖 col14] ... ``` - 黄色坦克在最底行,占一整格(x 632–764),当前炮口朝上。 - 坦克右边是一格空地(col10),紧接着是**半格宽的砖墙(col11)**,再往右就是**基地(白色老鹰)**。 - 红框中的砖是一整格(16×16),题目给定“两炮打掉一整格砖”;而坦克与基地之间只有半格砖,一炮即可打穿。 ## 结论 **黄色坦克朝右开两枪:** 1. 第一炮飞过右边空地,把挡在坦克与基地之间的那半格砖墙打掉; 2. 第二炮直接命中我方基地。 **基地会怎样:基地会被自己的炮弹打掉,游戏直接结束(Game Over)。** 也就是说,这是一次“痛击我方基地”的操作——红框的砖不是重点,真正危险的是坦克身边这面只剩半格厚的基地护墙,两炮之内基地就没了。
基地被击毁
答对 · 自动判定

结论依据:“Game Over”

耗时16m 47s
步数18
工具调用18
输出 Tokens5.6k
Tokens587.0k
费用$0.027
耗时拆分有效 15m 05s
等待接口 1m 21s模型生成 14m 47s工具执行 17.9s
4

GLM 5.3 Flash

opencode-go/glm-5.3-flash正常完成思考 high
最终回答268 字
**答案:** 黄色坦克(玩家出生点,在基地左侧)朝右开两枪,炮弹会命中基地(鹰形标志)左侧的护墙砖块: 1. **两枪的效果**:按照题目设定(两枪可打掉两格深的砖),这两枪会把基地左侧那道砖墙打穿,留下一个豁口。 2. **基地会怎样**:基地本身**不会被这两枪打中**(还隔着一层砖),但会**失去左侧保护、直接暴露**。之后任何敌方坦克只要从这条通道再朝右打一枪,就能击毁基地(老鹰),导致 "GAME OVER"。 也就是说,这是“自毁防护”的操作——朝右开枪打掉的正是自家基地的护墙,等于给敌人开了个直通基地的口子。
基地安全
答错 · 自动判定

结论依据:“基地会怎样**:基地本身**不会被”

耗时28.9s
步数1
工具调用0
输出 Tokens178
Tokens14.3k
费用$0.0028
耗时拆分有效 15.1s
等待接口 0.0s模型生成 15.1s工具执行 0.0s
5

GPT-6 Luna

opencode-go/gpt-6-luna正常完成思考 high
最终回答83 字
黄色坦克朝右开火,会先打中基地左侧挡路的砖块。两发打掉砖块后,基地会暴露,但撞上砖块的炮弹会消失,所以这两发不会继续打中基地;基地还在,之后再朝右补一枪才会击中基地。
基地安全
答错 · 自动判定

结论依据:“不会继续打中基地”

耗时54.1s
步数1
工具调用0
输出 Tokens76
Tokens13.8k
费用$0.0033
耗时拆分有效 45.9s
等待接口 0.0s模型生成 45.9s工具执行 0.0s
6

Qwen3.8 Flash

opencode-go/qwen3.8-flash正常完成思考 medium
最终回答164 字
朝右开两枪:第一枪打在黄色坦克右侧、基地外墙的那块砖上(砖被削弱但还没碎),第二枪把这块砖彻底打掉,炮弹在砖处消失,打不到基地。 结果:**基地不会被直接摧毁**,但挡在坦克和基地之间的砖墙破了一个洞,基地(白色鹰徽)暴露出来——再补一枪就会打掉基地、游戏失败。所以这两枪等于给自己埋了雷:距离"误伤己方基地、判负"只差一步。
基地安全
答错 · 自动判定

结论依据:“基地不会被”

耗时57.7s
步数1
工具调用0
输出 Tokens2.2k
Tokens12.9k
费用$0.0032
耗时拆分有效 43.9s
等待接口 0.0s模型生成 43.9s工具执行 0.0s
7

MiniMax M3.1 Flash

opencode-go/minimax-m3.1-flash-free正常完成思考 high
最终回答492 字
## 结论:基地不会被打掉 **依据(13×13 战场网格,行/列均从 1 开始计)** | 元素 | 位置 | |---|---| | 红色框砖块 | 第 8 行第 5 列(黄坦克正上方) | | 黄坦克 | 第 13 行第 5 列(底行,炮口朝上) | | 阻挡砖块 | 第 13 行第 6 列(紧贴坦克右侧) | | 基地(老鹰) | 第 13 行第 7 列 | **推理** 1. 前提给出的信息是:红色框里那格砖要 **2 发炮弹** 才打得掉 → 也就是本局一格砖的耐久 = 2 发。 2. 黄坦克在底行第 5 列,**正右方紧贴着一格砖**,再隔一格才是基地(第 7 列的老鹰)。老鹰与坦克同在第 13 行,处在同一条水平射线上。 3. 炮弹打砖会被砖吸收、不会穿透。所以朝右开两枪: - 第 1 发 → 命中第 6 列那格砖,只打掉一半(不击穿); - 第 2 发 → 把这格砖彻底打掉,炮弹仍然停在这格砖上。 4. 因此:坦克右侧那格砖被打掉了,**基地(老鹰)完好无损,游戏继续,不会失败**;要打到基地得再补第 3 炮(那时老鹰才会被摧毁)。
基地安全
答错 · 自动判定

结论依据:“基地(老鹰)完好无损”

耗时2m 26s
步数14
工具调用13
输出 Tokens3.2k
Tokens286.1k
费用$0
耗时拆分有效 1m 47s
等待接口 24.8s模型生成 1m 34s工具执行 12.8s