每道题10分，句子通畅且有篮球得5分，篮球在结尾的再得5分，满分一百：
满分选手：
gpt-o1;
Claude 3.5 Sonnet;
deepseek-r1;
50-100分选手（都有篮球，但是有的没放最后）：
gemini-2.0-pro，95分
deepseek-v3，95分
gpt-4o-mini，85分
Llama-3.3-70B，80分
deepseek-70B，80分
qwen-vl-max-latest，60分
50分选手（都有篮球，位置全放错了）：
Doubao-1.5-lite;
deepseek32B,14B,1.5B;
0-50分（有的句子有问题或没有篮球）：
deepseek-7B，8B；
0分：
Doubao-vision-pro，写了篇散文。

第二题总结：
顶尖组，谷歌没拿满分丢人了，但是分也不低。
两个70B模型战况焦灼。
两个视觉模型，豆包被千问薄纱，豆包的遵循指令能力不太行啊。
deepseek1.5继续上大分，作为一个1G的超迷你模型，分数现在高得离谱。
Doubao-1.5-lite想和gpt-4o-mini对标，但是分数差了点，不过也不错了。

第三题 ：
过年时贴福字，要倒着贴寓意着着福到了。为什么工厂没有直接生产倒着的福字呢？
这一题是超级压力组，大概率是全军覆没，只有o1有一点可能能做对。这一题给顶尖组上点区分度。

果不其然，第三题全军覆没。
如果非要选一个最好的，则是claude sonnet:
他已经意识到了：
同一个"福"字可以正贴也可以倒贴,更加灵活
但是转眼又说：
有些场合需要正贴"福"字,如果印制倒"福",用途就会受限
属于是开窍了但没完全开。
claude sonnet现在是唯一的赢家。第一题claude 丢分后第三题又挣回来了。

第四题：
为什么鲁智深不能倒拔垂杨柳而林黛玉却可以？
这题对T0T1组太简单了，出个放松题给小模型来点区分度吧。

结果：
deepseek1.5B吓得话都说不清了，胡言乱语。
deepseek7B，8B，人物都搞不清，也没啥逻辑。
deepseek14B认识这俩人，但是觉得是自己没看过的情节，然后随便说了点废话。
Llama-3.3-70b说，鲁智深不能倒拔垂杨柳是因为垂杨柳的根系太深，林黛玉并没有倒拔垂杨柳的故事。相比之下deepseek32B以上就能指出问题的错误了。
其他模型均能指出错误，或以为我说错了然后按照正确逻辑回答。

赶上直播了

第五题：请写一个有炫酷UI的贪吃蛇网页程序；
这一题针对T1级别的模型区分度。

e速速速速

有意思，收藏了

火钳刘明

贪吃蛇结果：
gpt-o1:界面炫酷不停变色，没有bug手感很好，审美一般
claude 3.5 sonnet:简洁炫酷风，没有bug手感很好
gemini-2.0-pro：不算特别炫酷，但审美可以，没有bug手感很好
deepseek-r1:审美可以，没有bug手感很好
deepseek-v3:审美可以，没有bug手感很好
Doubao-vision-pro:有界面但是操作不了，第二次机会正常生成，没有bug但界面略微有点丑
qwen-vl-max-latest：正常运行无bug，界面简陋有点丑
Doubao-1.5-lite：第一次bug太多，第二次可以正常玩。结束后无法重新开始，界面较为简陋
gpt-4o-mini：生成了两次，死亡判定有问题，无法正常玩。界面基本正常但文字有重叠。
Llama-3.3-70b：界面非常简陋，无法生成第二个食物，无法重新开始。第二次生成食物正常，无法重新开始。
DeepSeek 70B：宇宙星空背景，手感很好，没有Bug。缺点是给蛇加了个炫酷拖影，导致本体位置不好判断。
DeepSeek 32B：界面一般，UI位置有一丢丢小bug，其他没有Bug完全正常。
DeepSeek 14B：界面很炫酷，但玩不了。第二次生成，界面依然很炫酷，速度贼快根本控制不住，操作正常。
DeepSeek 7B，8B，1.5B：7B，8B网页界面没出来，1.5B甚至语法都是错的。

总结：
顶级AI组区分度不大，都没bug。
比较惊喜的是v3和14B，v3比同级别设计的又好看又稳定，14B虽然有bug，但是这算是小Bug了，界面非常好看。
8B以下代码能力断崖式下跌，1.5B几乎没有编程能力。
70B模型，deepseek薄纱Llama-3.3，DeepSeek 70B的界面是最好看的。

看来，个人电脑已经不好噶钱了。
要推行普及个人服务器了。。。再到个人服务器群组。。。

cy