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 18:10:00 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 3/7GPT-6 Luna最快 59.0s最快完成Qwen3.8 Flash31.5sTokens 最少Qwen3.8 Flash11.8k
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 GPT-6 Luna 正常完成 基地被击毁自动判定 正确 59.0s 1 / 0 12.3k输出 54 $0.0014
2 DeepSeek V4.1 Flash 正常完成 基地被击毁自动判定 正确 3m 15s 14 / 15 281.1k输出 2.9k $0.019
3 MiniMax M3.1 Flash 正常完成 基地被击毁自动判定 正确 3m 34s 9 / 8 165.2k输出 1.2k $0
4 Qwen3.8 Flash 正常完成 基地安全 错误 31.5s 1 / 0 11.8k输出 1.2k $0.0027
5 Claude Haiku 5.5 正常完成 基地安全自动判定 错误 37.6s 1 / 0 21.7k输出 391 $0.0048
6 GLM 5.3 Flash 正常完成 基地安全自动判定 错误 51.7s 1 / 0 15.7k输出 245 $0.0035
7 MiMo V2.6 Flash 超时 没有明确结论自动判定 错误 20m 01s 10 / 10 375.4k输出 3.4k $0.021

模型详情

1

GPT-6 Luna

opencode-go/gpt-6-luna正常完成思考 high
最终回答59 字
黄色坦克向右的射击路线正对着基地左侧的砖墙:第一炮打穿砖墙,第二炮就会穿过去击中基地。**基地会被摧毁,游戏结束。**
基地被击毁
答对 · 自动判定

结论依据:“游戏结束”

耗时59.0s
步数1
工具调用0
输出 Tokens54
Tokens12.3k
费用$0.0014
耗时拆分有效 27.1s
等待接口 24.1s模型生成 27.1s工具执行 0.0s
等待接口占 47%(单次最长 24.1s),本次耗时主要被接口拖慢,不宜横向比较
2

DeepSeek V4.1 Flash

opencode-go/deepseek-v4.1-flash正常完成思考 high
最终回答243 字
**结论:第二炮会打中基地,基地被摧毁,游戏结束(失败)。** 推理: 1. 红框里是一整格砖块,需要**两炮**才能打掉 → 说明一炮只能打掉**半格**厚度的砖。 2. 黄色坦克右侧、基地左侧的那道砖墙只有**半格厚**(约 66px,而整格是 132px),也就是红框砖块的一半。 3. 第一炮:把这半格厚的墙打穿,炮弹在砖上消耗掉。 4. 第二炮:沿同一高度直接穿过缺口,命中墙后紧挨着的基地老鹰。 所以:**墙被打穿,基地被自己的炮弹打爆,直接 game over。**
基地被击毁
答对 · 自动判定

结论依据:“game over”

耗时3m 15s
步数14
工具调用15
输出 Tokens2.9k
Tokens281.1k
费用$0.019
耗时拆分有效 2m 14s
等待接口 32.5s模型生成 2m 04s工具执行 10.1s
3

MiniMax M3.1 Flash

opencode-go/minimax-m3.1-flash-free正常完成思考 high
最终回答440 字
**结论:第二炮会打中基地,基地被摧毁,这一局直接 Game Over(失败)。** 推理链: 1. **红框提供"破坏力标定"**:红框圈住的砖块是 **2 格宽 × 2 格高** 的砖堆,而题目假设"两炮能打掉",说明**一炮只能打掉一格砖**。(旁边那两个灰色方块是钢板,子弹打不穿,但不在黄坦克的射线上。) 2. **黄坦克的射线**:黄色坦克在底部偏左的通道里(当前炮口朝上),正右方依次是:黑色空隙 → **一格砖**(x≈831–895,与坦克同一行)→ 空隙 → **基地老鹰(x≈914–1012,同一行)**。也就是黄坦克与基地之间只隔着 **一格砖**。 3. **第一炮**:打掉右侧那一格砖,射界打开,基地暴露。 4. **第二炮**:穿过刚打出的缺口,直接命中基地(老鹰)。 所以:两枪之后右侧砖墙被清空,**基地在第二炮被击毁,玩家失败(Game Over)**——yellow tank 的两枪正好"1炮开路 + 1 炮致命",没有多余弹药。
基地被击毁
答对 · 自动判定

结论依据:“Game Over”

耗时3m 34s
步数9
工具调用8
输出 Tokens1.2k
Tokens165.2k
费用$0
耗时拆分有效 1m 49s
等待接口 1m 14s模型生成 1m 43s工具执行 5.9s
等待接口占 40%(单次最长 27.4s),本次耗时主要被接口拖慢,不宜横向比较
4

Qwen3.8 Flash

opencode-go/qwen3.8-flash正常完成思考 medium
最终回答220 字
会打掉基地左侧的那堵护墙砖。 - 黄色坦克朝右的两发子弹正好命中基地(老鹰)左边的砖墙。按题设"两炮打掉一格红框砖块",这两枪会把基地左侧的防护砖完全打穿。 - 基地本身暂时不会毁灭(子弹被砖挡住,打完两砖就没了),但基地侧面从此完全裸露。 - 此时若再开一枪(或敌方坦克从右侧进来,比如右边那辆白色坦克),子弹就会直接命中老鹰,游戏失败(GAME OVER)。 所以这两枪是自拆围墙的危险操作:基地还活着,但失去了左侧防护,非常脆弱。
基地安全
答错 · 人工复核

回答认为两发子弹被护墙砖挡住、“基地本身暂时不会毁灭”“基地还活着”——结论为“基地安全”(错误)。自动判分误把“再开一枪就会命中老鹰、GAME OVER”的假设当成了结论。

耗时31.5s
步数1
工具调用0
输出 Tokens1.2k
Tokens11.8k
费用$0.0027
耗时拆分有效 15.8s
等待接口 0.0s模型生成 15.8s工具执行 0.0s
5

Claude Haiku 5.5

opencode-go/claude-haiku-5-5正常完成思考 high
最终回答353 字
**结论:基地本身不会被击毁,但左侧防护墙会被打穿,基地会暴露。** 1. **第一枪**:黄色坦克(玩家)在底部,朝右发射的炮弹沿它所在的行向右飞。该行从坦克右侧到基地左墙之间是空地,炮弹会命中基地左侧的砖墙(x≈736–794,y≈1500–1617)。按前提,这块砖需要两炮才能打掉,所以第一枪只造成损伤。 2. **第二枪**:砖墙被打掉,炮弹在击毁砖块后消失,不会继续飞到基地。 3. **基地**:老鹰(x≈794–912)没有被击中,仍然完好。但它左侧的防护墙已经没了,上方和右侧的砖墙仍在。之后只要有炮弹沿这一行从左侧射入,基地就会被直接命中并判负。 红框砖块位于画面中部,不在这条射击路线上,与基地的安全没有直接关系。以上推断基于"两炮打掉一块砖"的前提,并假设炮弹与砖墙所在行对齐。
基地安全
答错 · 自动判定

结论依据:“基地的安全”

耗时37.6s
步数1
工具调用0
输出 Tokens391
Tokens21.7k
费用$0.0048
耗时拆分有效 28.4s
等待接口 0.0s模型生成 28.4s工具执行 0.0s
6

GLM 5.3 Flash

opencode-go/glm-5.3-flash正常完成思考 high
最终回答358 字
**结论:两枪打掉的只是基地左边的护墙砖,基地暂时不会被炸毁,但会被“开门”。** 分析(对照参考图): - 红框示范了砖墙的耐久度:打 **2 枪**才能打掉一段砖块。 - 黄色坦克(左下角,炮口朝上)与白色老鹰基地在同一水平线上,朝右开炮的弹道正对基地左侧的砖墙。 - 第 1 枪打掉砖墙外层,第 2 枪打掉里层——两发子弹都被砖块消耗掉,**砖墙被轰出一个缺口**。 **对基地的影响:** - 这两枪**不会直接命中基地**,老鹰暂时安全; - 但基地左侧的砖墙保护被打破,基地直接暴露在坦克的火力线上——黄色坦克只要**再补一枪**,子弹就会穿过缺口击中老鹰,基地被毁、游戏结束(Battle City 中基地被毁即失败)。 所以:朝右开两枪 = 打穿基地护墙、基地未被毁但已完全暴露,非常危险。
基地安全
答错 · 自动判定

结论依据:“基地护墙、基地未被”

耗时51.7s
步数1
工具调用0
输出 Tokens245
Tokens15.7k
费用$0.0035
耗时拆分有效 24.4s
等待接口 0.0s模型生成 24.4s工具执行 0.0s
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24 字
我先分析参考图的像素布局,确定网格和各方块位置。
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10
工具调用10
输出 Tokens3.4k
Tokens375.4k
费用$0.021
耗时拆分有效 16m 18s
等待接口 1m 08s模型生成 16m 11s工具执行 6.7s