Sage-S2.1-Flash 是这期要测的新模型,320B 总参数的 MoE,中文名据说叫「书生模型」,我之前也只是在群里听过一耳朵。粉丝在 B 站私信点名想看,那就测。接入方式还是 pi agent,思考深度按文档配置到最高。

第一题强约束指令遵循,要求句子分别以 1 到 10 结尾。整体能读,但第 4 句的「不三不四」用得别扭——这个词多形容人不正派,比如「别和不三不四的人玩」,换成「九不搭八」更合适;第 7 句明显不通顺,「正月」两个字还重复了;第 10 句「以一当十」说的是人的勇猛,和做事扯不上关系;第 3 句也不太顺,只是我拿捏不准。

第二题鹈鹕土星环骑自行车 SVG:整体不错,就是转弯有点突兀,像快掉出去时猛地摆正回来。第三题复合弓射箭 SVG:大体可以,但复合弓没有画副弦——那是复合弓的标配,不画就和普通弓没有区分度;另外箭是平拉的,放手后方向直接往上飙。

第四题浏览器操作系统:右上角弹窗的 label 颜色太浅,要很辛苦才看得清,晴天没有问题,日期高亮也没用我觉得丑的椭圆;dock 栏的终端有 bug,输入 ls 报错,help 却说支持这条命令;太空射击游戏没做键盘方向控制,虽然提示词没明说,但顶尖模型基本都会实现,space 发射子弹正常。

第五题 3D 赛车:功能没大问题,但赛车简陋、障碍物单一、UI 风格不够酷炫,而且撞一次就结束,一般都会给两三次机会。第六题 Trello 看板:列表改不了名字,双击没反应也没有菜单;卡片删除点一下直接在 icon 上显示「确认删除」,太难看,弹个确认对话框会好很多。其他没什么问题。

这次点出了不少问题,但对一个名不见经传的模型来说,能在我这套题里做到这种程度,我觉得也还可以了。大家觉得呢?