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 19:04:35 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 2/7GLM 5.3 Flash最快 27.1s最快完成GLM 5.3 Flash27.1sTokens 最少Qwen3.8 Flash12.1k
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 GLM 5.3 Flash 正常完成 基地被击毁自动判定 正确 27.1s 1 / 0 12.9k输出 124 $0.0022
2 DeepSeek V4.1 Flash 正常完成 基地被击毁自动判定 正确 3m 29s 11 / 10 252.5k输出 1.6k $0.022
3 GPT-6 Luna 正常完成 基地安全自动判定 错误 39.8s 1 / 0 12.4k输出 68 $0.0026
4 Qwen3.8 Flash 正常完成 基地安全 错误 42.1s 1 / 0 12.1k输出 1.4k $0.0028
5 Claude Haiku 5.5 正常完成 基地安全 错误 42.9s 1 / 0 23.0k输出 411 $0.0055
6 MiniMax M3.1 Flash 正常完成 基地安全自动判定 错误 6m 52s 19 / 19 429.3k输出 3.5k $0
7 MiMo V2.6 Flash 超时 没有明确结论自动判定 错误 20m 01s 11 / 13 334.4k输出 2.0k $0.019

模型详情

1

GLM 5.3 Flash

opencode-go/glm-5.3-flash正常完成思考 high
最终回答188 字
**基地会被打爆(游戏结束)。** 理由:黄色坦克和老鹰基地在同一条底部通道上,中间没有任何砖墙阻挡。红框里的砖块在墙壁的另一段,与“朝右开枪”的弹道无关——那个“两炮打掉砖块”的条件是个干扰项。 朝右开第一枪,子弹就会直接命中老鹰(基地): - 基地不需要“两炮”,**中一弹就会被摧毁** - 基地爆炸后屏幕会显示 **GAME OVER**,即使还剩坦克数也直接结束
基地被击毁
答对 · 自动判定

结论依据:“GAME OVER”

耗时27.1s
步数1
工具调用0
输出 Tokens124
Tokens12.9k
费用$0.0022
耗时拆分有效 5.2s
等待接口 0.0s模型生成 5.2s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126 字
黄色坦克朝右的两发炮弹会打在它右侧、基地左侧的那层护墙砖上:按“两炮打掉一块砖”的设定,第一枪就能打穿或打掉这块护墙砖,第二枪穿过缺口直接命中基地。 结果:**己方基地(老巢)会被自己的炮弹打爆,游戏结束(失败)**;基地左侧的护墙也会同时出现缺口。
基地被击毁
答对 · 自动判定

结论依据:“游戏结束”

耗时3m 29s
步数11
工具调用10
输出 Tokens1.6k
Tokens252.5k
费用$0.022
耗时拆分有效 2m 50s
等待接口 17.1s模型生成 2m 44s工具执行 6.2s
3

GPT-6 Luna

opencode-go/gpt-6-luna正常完成思考 high
最终回答72 字
黄色坦克向右射击,子弹会先打到基地左侧的砖墙。两发用来打掉这块砖墙后,子弹也会消失,所以**基地不会被这两发打中**;再多射一发才可能打到基地。
基地安全
答错 · 自动判定

结论依据:“基地不会被”

耗时39.8s
步数1
工具调用0
输出 Tokens68
Tokens12.4k
费用$0.0026
耗时拆分有效 30.5s
等待接口 0.0s模型生成 30.5s工具执行 0.0s
4

Qwen3.8 Flash

opencode-go/qwen3.8-flash正常完成思考 medium
最终回答212 字
会打掉基地左侧护墙的两格砖——因为砖块需要两发子弹,每发子弹命中砖块后自身就消失了,不会穿过去,所以子弹**打不到鹰(基地)**。 结果: - 基地暂时完好,游戏不结束; - 但基地左边的护墙被打开缺口,鹰直接暴露,敌方坦克(比如上方那几辆)一发流弹就能把基地打掉、游戏失败; - 如果黄色坦克再补第三枪,就会命中并摧毁基地 → 直接 Game Over。 所以这是危险的"自毁式"操作:两枪破墙暴露基地,第三枪就完蛋。
基地安全
答错 · 人工复核

回答认为两发子弹都被护墙砖吸收、“打不到鹰”、“基地暂时完好,游戏不结束”——结论为“基地安全”(错误)。自动判分误把“敌方一发流弹/第三枪就会打掉基地”的假设当成了结论。

耗时42.1s
步数1
工具调用0
输出 Tokens1.4k
Tokens12.1k
费用$0.0028
耗时拆分有效 18.4s
等待接口 0.0s模型生成 18.4s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380 字
**结论:朝右两发不会打到红框砖块,基地在两发之后仍然完好。** 1. **红框砖块不在射击路线上。** 红框位于黄坦克的正上方(同一列,约第 5 行),而朝右射击的子弹沿坦克所在的最底行水平飞行,不会经过红框。 2. **朝右射击的路径。** 黄坦克右侧空格后是基地左侧的一段砖墙(紧贴基地的那一格),再往右才是基地(鹰徽)。 3. **两发的结果。** 按题设“两炮能打掉一块砖”,两发刚好打穿基地左侧这段砖墙,子弹不会继续命中基地,基地暂时保住。 4. **基地的状态。** 第三发(或更多发)才会直接命中基地。基地被击中后会被摧毁,游戏失败。 注意:红框的砖块是 2×2 的砖块,而基地左侧的砖墙只有一列宽。如果你的规则是“一发只打掉一格砖”,那么两发打穿基地左侧砖墙后,第二发就会直接命中基地,结果不同。以上按题设的“两发打穿一块砖”推导。
基地安全
答错 · 人工复核

回答开头的结论是“基地在两发之后仍然完好”,按“两发打穿一块砖”推导出第三发才命中基地——结论为“基地安全”(错误)。自动判分误把末尾“如果一发只打掉一格砖,第二发就会直接命中基地”这个假设当成了结论。

耗时42.9s
步数1
工具调用0
输出 Tokens411
Tokens23.0k
费用$0.0055
耗时拆分有效 35.0s
等待接口 0.0s模型生成 35.0s工具执行 0.0s
6

MiniMax M3.1 Flash

opencode-go/minimax-m3.1-flash-free正常完成思考 high
最终回答487 字
我把图做了像素级分析,结论如下: **先确认几何关系** - 黄色坦克(1P 坦克)位于画面底部偏左,机身 x≈630–760,朝向右侧。 - 它的右前方只有一小段空地,接着就是基地(白色老鹰)**左边紧贴的那一列砖墙**(x≈831–895),砖墙从上方 U 形砖结构一直延伸到画面底边,是一整条砖柱。 - 老鹰在 x≈895–1030,子弹要打到基地,必须先穿过这列砖。 **由红框给出的前提** 红框里的砖块和坦克右边这列砖是同一种砖(16×16 的整块砖):第一发只能把它打成半块残砖,第二发才彻底打掉;而且**炮弹打在砖上就被砖吃掉,不会穿透**。 **朝右打两枪的过程** 1. 第 1 炮:打中坦克正前方那格砖,砖被打残(变成半高残砖),炮弹消失。 2. 第 2 炮:把剩下半块彻底清除,炮弹再次被砖墙吸收。 **结果** - 坦克与基地之间的这堵砖被打通,子弹无法穿过(两发全被砖墙消耗),所以**基地(老鹰)完好无损,游戏不会结束**。 - 但基地已经暴露:通道一打开,**只要再补第三炮,子弹就会直接命中老鹰,基地被摧毁,Game Over**。
基地安全
答错 · 自动判定

结论依据:“基地(老鹰)完好无损”

耗时6m 52s
步数19
工具调用19
输出 Tokens3.5k
Tokens429.3k
费用$0
耗时拆分有效 5m 18s
等待接口 1m 12s模型生成 5m 03s工具执行 14.8s
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18 字
我先裁剪图片关键区域来确认位置关系。
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11
工具调用13
输出 Tokens2.0k
Tokens334.4k
费用$0.019
耗时拆分有效 16m 39s
等待接口 1m 12s模型生成 16m 34s工具执行 5.1s