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 18:30:07 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 4/7GPT-6 Luna最快 29.9s最快完成Claude Haiku 5.528.6sTokens 最少GPT-6 Luna11.2k
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 4 / 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 29.9s 1 / 0 11.2k输出 52 $0.0020
2 GLM 5.3 Flash 正常完成 基地被击毁自动判定 正确 3m 35s 1 / 0 21.1k输出 251 $0.0062
3 MiniMax M3.1 Flash 正常完成 基地被击毁自动判定 正确 4m 55s 14 / 15 322.7k输出 2.8k $0
4 DeepSeek V4.1 Flash 正常完成 基地被击毁自动判定 正确 5m 27s 16 / 15 401.7k输出 3.6k $0.027
5 Claude Haiku 5.5 正常完成 基地安全自动判定 错误 28.6s 1 / 0 19.6k输出 434 $0.0037
6 Qwen3.8 Flash 正常完成 基地安全自动判定 错误 56.7s 1 / 0 12.1k输出 1.4k $0.0028
7 MiMo V2.6 Flash 正常完成 基地安全 错误 17m 12s 15 / 14 516.5k输出 4.6k $0.020

模型详情

1

GPT-6 Luna

opencode-go/gpt-6-luna正常完成思考 high
最终回答53 字
黄色坦克右侧的砖墙挡在它和基地之间。第一炮打中砖块,第二炮将其打掉;随后子弹可以穿过缺口,击中并摧毁基地。
基地被击毁
答对 · 自动判定

结论依据:“击中并摧毁基地”

耗时29.9s
步数1
工具调用0
输出 Tokens52
Tokens11.2k
费用$0.0020
耗时拆分有效 20.3s
等待接口 0.0s模型生成 20.3s工具执行 0.0s
2

GLM 5.3 Flash

opencode-go/glm-5.3-flash正常完成思考 high
最终回答397 字
**结论:基地会被摧毁——第二枪就能直接命中老鹰,游戏直接结束(GAME OVER)。** 推理: 1. **弹道**:黄色坦克在最下面一排。它“朝右开枪”,炮弹只会沿它**自己所在的那一行**飞——这条弹道正对着底部中间的老鹰基地,而红框砖块在**中间那一排**,和这条弹道不在一条线上,所以这两枪根本打不到红框里的砖。 2. **砖墙挡不住两炮**:既然“两炮能打掉红框中的砖块”,说明炮弹确实能摧毁砖块。基地左侧同样只有普通的砖墙(没有银块保护): - 第一枪:打掉基地左边砖墙上挡路的那块砖,开出缺口; - 第二枪:穿过缺口,直接命中老鹰。 3. **基地下场**:老鹰被摧毁,屏幕上出现基地爆炸画面,直接 **GAME OVER**,即使你还有剩余坦克数也一样。 也就是说,黄色坦克朝右开枪非常危险:这种朝向的弹道无遮拦地通向自家基地,两枪之内就能把自己家打爆。
基地被击毁
答对 · 自动判定

结论依据:“GAME OVER”

耗时3m 35s
步数1
工具调用0
输出 Tokens251
Tokens21.1k
费用$0.0062
耗时拆分有效 2m 56s
等待接口 0.0s模型生成 2m 56s工具执行 0.0s
3

MiniMax M3.1 Flash

opencode-go/minimax-m3.1-flash-free正常完成思考 high
最终回答611 字
## 读图分析 **坐标还原**(游戏区域 13×13 格,左上角为原点): | 元素 | 位置 | |---|---| | 黄色坦克(玩家) | 第 12 行、第 4 列(贴底,基地左侧) | | 红框砖块 | 第 7 行、第 4 列 —— 正好是**一整块 16×16 的砖** | | 基地(老鹰) | 第 12 行、第 6 列 | | 基地左侧砖墙 | 第 12 行第 5 列的**右半块**(8×16,即半块砖) | ## 推理 1. 题目给的已知条件:**两炮 = 打掉一整块砖**(红框那格是完整一块砖,2 炮才清掉 ⇒ 每炮只能清掉「半块砖 / 8×16 的一条」)。 2. 黄坦克朝右开火,弹道在第 12 行:右边紧挨着基地的是**半块砖**(8 宽 16 高),按上面的单位它只需要 **1 炮**。 3. 所以:第 1 炮打掉基地左侧那半块砖墙,露出缺口;第 2 炮穿过缺口直接**命中老鹰**。 ## 结论 - **坦克**:安全无事,子弹不能穿钢墙,砖墙被清空,坦克本身毫发无伤。 - **基地**:第 2 炮命中老鹰,**基地被摧毁**,任务失败(Game Over)——而且是自己把自家老鹰打掉的。 > 反过来说,要保基地就不能朝右连开这两炮:按同样的换算,**只要 1 炮**就能打开基地左侧那半块砖墙的保护,第 2 炮必然打到老鹰。也就是说老鹰的左护墙只挡得住 1 发子弹。
基地被击毁
答对 · 自动判定

结论依据:“老鹰打掉”

耗时4m 55s
步数14
工具调用15
输出 Tokens2.8k
Tokens322.7k
费用$0
耗时拆分有效 3m 38s
等待接口 48.2s模型生成 3m 22s工具执行 15.3s
4

DeepSeek V4.1 Flash

opencode-go/deepseek-v4.1-flash正常完成思考 high
最终回答106 字
黄色坦克朝右连开两枪:第一发会打掉基地左侧那层护墙砖(红框里的砖是两层厚,两炮正好每炮打一层,而基地左墙只有一层),第二发就会穿过缺口直接击中基地里的老鹰。结果是基地被摧毁,游戏结束(相当于玩家自己把基地打爆)。
基地被击毁
答对 · 自动判定

结论依据:“基地打爆”

耗时5m 27s
步数16
工具调用15
输出 Tokens3.6k
Tokens401.7k
费用$0.027
耗时拆分有效 3m 45s
等待接口 1m 14s模型生成 3m 32s工具执行 13.5s
5

Claude Haiku 5.5

opencode-go/claude-haiku-5-5正常完成思考 high
最终回答440 字
**结论:红框砖块与这两发炮弹无关,基地暂时不会被毁,但基地左侧的防护砖会被打开。** 1. **红框砖块不在射线上。** 黄色坦克位于画面底部(约 x 560–680,y 1500–1610),朝右射击的弹道是水平线 y≈1555。红框砖块位于 y 915–1030,不在这条线上,所以"两炮能打掉红框砖块"的假设对这次射击没有影响。 2. **两发炮弹会命中基地左侧的防护砖。** 坦克右侧(x≈680–735)是空地,接着是基地左侧的砖墙(x 735–795,y 1500–1610),再往右才是基地(x 795–910)。 - 第一发打掉砖墙中靠近坦克的一格。 - 第二发穿过缺口,打掉同一行剩下的一格。 - 两发之后,这一行的防护砖被清空,基地左侧暴露。 3. **基地本身没有被击中,仍然完好。** 如果之后有子弹从这条路径打到基地(x 795–910),基地才会被摧毁、游戏失败。 注:坦克当前朝上,需先转向右侧再开火,转向本身不消耗炮弹。
基地安全
答错 · 自动判定

结论依据:“基地本身没有被”

耗时28.6s
步数1
工具调用0
输出 Tokens434
Tokens19.6k
费用$0.0037
耗时拆分有效 18.1s
等待接口 0.0s模型生成 18.1s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173 字
会打掉黄色坦克正右方、基地左侧护墙的那块砖。 - 第一枪:砖块受损但未消失,子弹被挡下; - 第二枪:这块砖被彻底打掉,**基地本身不会被直接击中**(子弹命中砖后就消失了)。 结果是:基地左侧的砖墙防护被打开缺口,鹰(基地)暴露出来。此时若再补第三枪,子弹就会直接命中基地,基地被毁、游戏失败。所以自己朝基地方向开枪等于自毁城墙,非常危险。
基地安全
答错 · 自动判定

结论依据:“基地本身不会被”

耗时56.7s
步数1
工具调用0
输出 Tokens1.4k
Tokens12.1k
费用$0.0028
耗时拆分有效 27.8s
等待接口 0.0s模型生成 27.8s工具执行 0.0s
7

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327 字
通过像素级分析确认布局(13×13 网格,格宽约132px): - **黄色坦克**位于底部一行(col4,x≈634-767) - **基地(白色鹰)**在同一行右侧(col6,x≈900-1033) - 二者之间依次是:**约半格空地(x766-830)→ 一块砖(x832-896,整行高度)→ 基地** 已验证该砖与红框砖块纹理相同(规则:2 枪打掉 1 块砖)。 ## 答案 **黄色坦克朝右开两枪:** 炮弹飞过空地后全部打在基地左侧紧邻的那块砖上——第一枪打损,第二枪刚好把砖打掉,两发炮弹全部消耗在砖上。 **基地:** 安然无恙。两枪都被砖块挡下,没有一发打中基地;但砖被摧毁后基地失去保护,再开第三枪才会直接命中并摧毁基地。
基地安全
答错 · 人工复核

回答明确写“基地:安然无恙”,认为两枪都被基地左侧砖块挡下、第三枪才会命中——结论为“基地安全”(错误)。自动判分误把“再开第三枪才会直接命中并摧毁基地”的假设当成了结论。

耗时17m 12s
步数15
工具调用14
输出 Tokens4.6k
Tokens516.5k
费用$0.020
耗时拆分有效 15m 49s
等待接口 55.9s模型生成 15m 37s工具执行 11.6s