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 18:47:25 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 5/7Claude Haiku 5.5最快 45.1s最快完成Claude Haiku 5.545.1sTokens 最少MiMo V2.6 Flash11.6k
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 5 / 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 45.1s 1 / 0 23.2k输出 340 $0.0056
2 MiMo V2.6 Flash 正常完成 基地被击毁自动判定 正确 49.7s 1 / 0 11.6k输出 37 $0.0008
3 GLM 5.3 Flash 正常完成 基地被击毁自动判定 正确 3m 23s 1 / 0 21.4k输出 201 $0.0064
4 DeepSeek V4.1 Flash 正常完成 基地被击毁自动判定 正确 4m 38s 17 / 16 387.7k输出 3.7k $0.031
5 MiniMax M3.1 Flash 正常完成 基地被击毁自动判定 正确 17m 04s 28 / 27 1.38M输出 4.3k $0
6 GPT-6 Luna 正常完成 基地安全自动判定 错误 51.5s 1 / 0 13.8k输出 91 $0.0033
7 Qwen3.8 Flash 正常完成 基地安全 错误 58.1s 1 / 0 12.6k输出 1.9k $0.0030

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315 字
**结论:基地会被击毁,游戏失败。** 1. **红框砖块的作用**:红框砖块在中间行,且位于黄色坦克上方的竖向通道里,与朝右射击无关。题设“两炮能打掉”只用来确定子弹威力:红框砖块在竖直方向厚两格,所以每发子弹大约清除一格砖。 2. **第一炮**:黄色坦克在底部一行,右侧是一格空地,再右侧是基地左边的一格砖墙(约 x=735–795)。第一发子弹穿过空地,打掉这格砖墙。 3. **第二炮**:砖墙已清空,子弹直接飞到基地(老鹰,约 x=795–910),基地被击毁,游戏结束。 注意:这一推断依赖“每发子弹清除一格砖”的假设。如果实际规则是每格砖需要两发,那么两炮只能清掉这格墙,基地暂时不受损,但下一发就会击中基地。
基地被击毁
答对 · 自动判定

结论依据:“游戏结束”

耗时45.1s
步数1
工具调用0
输出 Tokens340
Tokens23.2k
费用$0.0056
耗时拆分有效 35.9s
等待接口 0.0s模型生成 35.9s工具执行 0.0s
2

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48 字
两枪打掉红框砖块后,会在砖墙上开一个缺口。这样从左侧就能直接打到基地,基地会失去保护(被击毁)。
基地被击毁
答对 · 自动判定

结论依据:“基地会失去保护(被击毁”

耗时49.7s
步数1
工具调用0
输出 Tokens37
Tokens11.6k
费用$0.0008
耗时拆分有效 9.6s
等待接口 0.0s模型生成 9.6s工具执行 0.0s
3

GLM 5.3 Flash

opencode-go/glm-5.3-flash正常完成思考 high
最终回答303 字
**结论:基地会被摧毁,游戏立刻结束(GAME OVER)。** 具体过程: - 黄色坦克朝右开火,子弹是沿**坦克炮口所在的那一行**水平飞行的。红框里的砖在坦克上方好几行,根本不在这条弹道上,所以“能不能两炮打掉红框砖”与这次射击无关(它只是提示“子弹可以打掉砖块”这个前提)。 - 弹道正前方就是老鹰(基地)所在位置:第一枪会命中基地左侧的护墙砖,在该行打出一个缺口;第二枪顺着缺口继续飞进去,直接命中老鹰。 - 老鹰被击中(哪怕是玩家自己打的)会立刻变成被摧毁的基地图案,本关直接结束,剩余生命数也救不回来。 也就是说:两枪之内,第一枪破墙、第二枪毁基地——自家坦克的子弹同样能打毁自家基地。
基地被击毁
答对 · 自动判定

结论依据:“摧毁的基地”

耗时3m 23s
步数1
工具调用0
输出 Tokens201
Tokens21.4k
费用$0.0064
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
4

DeepSeek V4.1 Flash

opencode-go/deepseek-v4.1-flash正常完成思考 high
最终回答213 字
**结论:两枪会把自己的基地打掉,游戏结束。** - 黄色坦克右侧紧挨着的就是基地左侧的砖墙,而它只有约红框砖块一半的厚度;按“一枪打掉半块”来算,**第一枪就会打穿这层砖墙**。 - **第二枪随即穿过缺口,直接命中基地**,基地被摧毁,GAME OVER。 - 即便把这堵墙按“两炮才碎”来算,两炮也会把它彻底清空,基地都会完全失去左侧防护;这时只要再补一枪,就会打中自己的基地。 所以黄色坦克朝右开火,等于自毁基地。
基地被击毁
答对 · 自动判定

结论依据:“GAME OVER”

耗时4m 38s
步数17
工具调用16
输出 Tokens3.7k
Tokens387.7k
费用$0.031
耗时拆分有效 3m 31s
等待接口 44.1s模型生成 3m 20s工具执行 10.4s
5

MiniMax M3.1 Flash

opencode-go/minimax-m3.1-flash-free正常完成思考 high
最终回答744 字
## 结论:两炮打完右侧砖墙后,第二炮会直接击穿缺口打爆基地(自己人打自己基地) **几何关系(从图中量出)** - 黄色坦克(我方玩家)在画面底部偏左,中心约 x≈698、y≈1766,两侧的金色条纹是它的履带,不是障碍物。 - 基地(老鹰)就在它的**右边**:老鹰本体约 x 903–1023、y 1693–1810,外面是一个砖砌小龛。 - 黄色坦克正右方先遇到的是**基地左翼那道砖墙**:x 831–896(宽约 65 px=1 格),高约 y 1690–1830(2 格)。子弹沿 y≈1766 水平前进,x 760→831 段是空地,直接贴上这道墙。 - 红框里的砖(x 625–768,场上中部,坦克正上方偏左)**不在向右的射线上**,两炮根本碰不到它。 **推演** 1. 红色框说明砖块的破坏尺度:那一块 2 格宽的砖要两炮才掉(每炮约推进 1 格)。同理,基地左侧那堵墙只有 **1 格厚**。 2. 第一炮命中 x 831–896 的砖墙 → 在子弹高度(y≈1766)上被打穿出一个缺口,墙被击碎。 3. 第二炮沿同一条水平线飞行,**穿过刚打出的缺口**,直接命中缺口内 903 处的老鹰。 **结果** - 黄色坦克右侧的砖墙被打掉,出现通向基地的通道; - 基地(老鹰)被自己的炮弹击毁 → 基地爆炸,本局失败(Game Over),玩家自己输掉了老巢; - 顺带一提:这两炮与红框里的砖无关,红框砖依然完好(那需要向上开火、且位置在场上中部)。 如果只想打掉右侧的砖墙而不牺牲基地,第二炮应改打别处(或先让坦克上移对准墙体中部,破坏缺口就不在老鹰同一水平线上);否则在 Battle City 里,"从侧向打基地外墙"是经典的自杀操作。
基地被击毁
答对 · 自动判定

结论依据:“Game Over”

耗时17m 04s
步数28
工具调用27
输出 Tokens4.3k
Tokens1.38M
费用$0
耗时拆分有效 15m 42s
等待接口 57.6s模型生成 15m 28s工具执行 13.7s
6

GPT-6 Luna

opencode-go/gpt-6-luna正常完成思考 high
最终回答101 字
黄色坦克右侧正好有一块砖挡在基地前。按《坦克大战》的常见规则,两发子弹会打掉这块砖,子弹也会在撞上砖块时消失;**这两枪不会直接打中基地**。不过墙上会出现缺口,之后再朝右开一枪,就可能击中并摧毁基地。
基地安全
答错 · 自动判定

结论依据:“不会直接打中基地”

耗时51.5s
步数1
工具调用0
输出 Tokens91
Tokens13.8k
费用$0.0033
耗时拆分有效 43.3s
等待接口 0.0s模型生成 43.3s工具执行 0.0s
7

Qwen3.8 Flash

opencode-go/qwen3.8-flash正常完成思考 medium
最终回答261 字
**分析:** 黄色坦克在底部出生点,右侧紧邻的就是基地(鹰)的外墙砖块(图中基地被砖块包着)。 - 向右开两枪:两发子弹都打在基地左侧的砖墙上。按"两炮打掉一块砖"的规则,正好把基地左边的一块防护砖完全打掉,子弹本身命中砖块后消失,不会直接击中基地。 - 基地结果:基地本体暂时没事(图中基地已经是骷髅,说明已被摧毁过一次/游戏结束状态,这是另一回事),但防护墙被打开一个缺口——如果再来第三发子弹(或敌方坦克经过),就会直接命中基地。 简言之:两枪只拆掉基地旁的一块砖,基地暴露失去保护,但本身还不会被这两枪打爆。
基地安全
答错 · 人工复核

回答认为两发子弹都打在护墙砖上,“基地本身不会被这两枪打爆”——结论为“基地安全”(错误)。自动判分误匹配了“基地已经是骷髅、已被摧毁过”等旁述。

耗时58.1s
步数1
工具调用0
输出 Tokens1.9k
Tokens12.6k
费用$0.0030
耗时拆分有效 33.2s
等待接口 0.0s模型生成 33.2s工具执行 0.0s