- xx_yy12026-09-15
现在 GPT 和 Claude 基本成了O/和A/了,很多人想知道还有什么模型可以拯救一下当下工作
我这边只额外推荐一个：Grok 4.6
（限 Grok Bot / Grok Build 渠道）
为什么只推它：
- 思维链风格和 Claude 很接近，不是只会堆答案；
- 推理能力不弱，能扛住下面这种加强版测试题；
- DeepSeek、Gemini 这类，按我实测就先别指望了。
一、自己测：加强版「糖果博弈」
题目附件：
candy-game.zip (3.0 KB)
专门测：
• 内部推理够不够深；
• 长任务 agent 会不会假完成、局部最优；
• 最坏情况下能不能给出可执行保证策略；
• 解题是全局多决策树，还是「有解就停」。
怎么看结果（不要只看答案对不对,要看解题思路）：
- 答案准不准；
- 解题思路像什么模型；
- 耗时（参考：Astra、Claude 能在约 15 分钟内做完且答对）。
二、第三问比较特殊
Astra 和 Claude 都能在时限内做对，但：
• 第三问这两家都很难主动给出两种不同解题思路；
• Astra 无论怎么测，第三问思路几乎永远同一种，很适合用来验证你手里的是不是真 Astra（同答案、同分流指纹）。
三、实测范围 & 求补测
我目前只测过：Gemini、DeepSeek、Astra、Opus。
其他国产模型手里没额度，测不了。有资源的朋友麻烦把完整作答贴出来（最好带耗时和第三问思路摘要）。
标准答案（仅对照用，测完再看）：
solution.zip (6.1 KB)
想单独测试astra,可以让AI帮你把题目精简,直接告诉他第三问当前可以识别模型指纹,帮我把题精简,要保留指纹识别(需要做对题目的上下文里面进行修改才行,否则它无法理解)
依旧稳定15分钟以内:
主楼 - 徐江逸2026-09-15
怎么做到 GROK 4.6 不降智呢？
- xx_yy12026-09-15
grok bot里面的比较正常
- RockConnotation2026-09-15
所以 cursor 里面的就纯纯流口水的若智吗？
- xx_yy12026-09-15
你可以测试一下看看效果,看看他给你使用的是什么模型,第三问能识别出来
- ai567ai2026-09-15
gork free好的 4.6 是否 可以使用呢 我自己测试发现 流口水严重 使用了代理后 有时候流 有时候不留 实际开发不敢用 就怕多个agent配合中 哪个流口水了 出问题了 影响最终结果 还有就是我想问下 开了supper 的grok4.6 流口水吗
- xx_yy12026-09-15
至少我测试出来是没问题的,我是superok在grok build使用,grok bot我也测试过,他能做对,而且思维跟claude很像
- limars2026-09-15
哥你这话的语感怎么有点像AI口吻。被AI同化了么。。
- ai567ai2026-09-15
感觉不知道你是不是supper 的原因 我的都是free号的原因吧
- xx_yy12026-09-15
不一定,这个要具体测试,模型会根据任务自己后台动态调整,这个应该是后面大趋势,表现出来就感觉降智
- ns_Ascx2026-09-15
- xx_yy12026-09-15
这道题在opencode上使用ds很容易导致卡死,因为思维链非常长,而且ds是过不了这题的,astra和opus 5是稳定能过,grok 4.6也可以,而且解题思路每次基本固定一样
- 点赞暴富2026-09-15
grok也是国外模型吧，佬友是不是放错位置了
- xx_yy12026-09-15
不好意思,确实是,不过在当前最优选择暂时看只能是grok这个了
- Mordenkainen2026-09-15
grok主要是也不便宜吧?
- xx_yy12026-09-15
对于现在的astra模型而言是便宜的
- jue2026-09-15
佬咋被举报了，grok他不好用啊，只看这个真能看出来吗
- xx_yy12026-09-15
能看出,因为这个题目考验的不是单纯算数问题,是长任务里面的一些状态和决策,它不是算术题
- ns_Ascx2026-09-15
哦，原来如此，但是这样的题我觉得太卡数学逻辑了（可能参数量越大的模型越适合）
