OpenCode 上线了一个匿名模型 tidepool alpha,粉丝私信叫我去实测一下。正好我们的 Benchmark 前两天刚升级到 3.0,连测几个模型后发现题目太难,所以这次再升级一个小版本 3.1,把难度降下来再跑一轮。

第一题强约束指令遵循,去掉了文字长度约束和红楼梦人名开头的限制。数字一到十的结尾倒是全对,但句子长度太短,通顺的只有第 2 句,明显不通顺的是第 1、6、9、10 句,其余大部分句子结构雷同,违反了「结构不能重复」这条要求。

第二题鹈鹕土星环骑自行车 SVG,这一题去掉了先前为了让模型不翻车而补的转弯提示,结果根本没法看,真的是「实现了个球」。第三题复合弓射箭 SVG 同样降低了难度,去掉了人物回首射箭,出来的效果依然完全不行,简直不知所谓。

第四题浏览器操作系统反而提高了一点难度,要求液态玻璃 UI 和万年历。实际 UI 明显不是液态玻璃,比较简陋;右上角弹窗文字完全乱了,其他弹窗勉强过关。Dock 栏里万年历缺了 22 号的小雪节气,关闭按钮和下月按钮还重叠在一起;计算器布局紊乱、按键乱放;压轴的太空射击游戏更是完全不行。

第五题一键去水印,这个提示词我调过好几个国内顶尖模型都没做好,tidepool alpha 也一样:水印没去干净,图片其他内容还被改得更难看了。第六题找出 DeepSeek Harness 深埋的 10 个内存泄漏 Bugs,它在公开源码里找到了 5 个,对这个体量的模型来说还算可以。

整体测下来,我判断这是一个参数量比较小的模型。这种水平不知道有什么值得匿名的,是怕太烂了被人知道吗?

各大模型最新测评 benchmarks 请看这里:AI产品狙击手 LLM Benchmarks