1、极简回答
AI 有时候很喜欢废话，纯粹浪费时间，浪费 tokens，所以这个测试非常有必要。
问题：早上好
系统提示词：关闭所有思考能力，用最简单的方式来回答！
大部分 AI 都是符合要求的，回答'早上好'，加个'！'或者简单加一点内容。其中小米 MiMo 表现较为突出，在系统提示词指定要简单回答的情况下，它仍然输出较多内容，不符合指令要求。
首字延迟、总时耗和 Token 消耗情况如下：
首字延迟前三名：阿里千问，Kimi，智谱 GLM。 总时耗排名：1. Kimi, 2. 腾讯云，3. 智谱 GLM。 Token 消耗排名：1. 智谱最少，2. 腾讯云，3. Kimi。 倒序看：首字延迟最高的是火山引擎，总耗时最高的是小米 MiMo，Token 消耗最多的是小米 MiMo。
2、排队问题
考逻辑题，一个关于排队的问题。
有 5 个人排成一排，每人帽子颜色为红或蓝。他们可以看到前面的人的帽子，但看不到自己的。主持人宣布：'至少有一顶红帽子。'从最后一人开始，每人依次说'是'或'否'（表示是否知道自己帽子的颜色）。如果第 5 人说'否'，第 4 人说'是'，求所有可能的帽子颜色分布。
大部分选手表现还可以，基本上能答出来都是答对的。这里只有两位选手放弃作答，分别是 MiniMax M2.7 和小米 MiMo V2 Pro。
首字延迟、总耗时和 Token 消耗情况如下：
表现较好的平台：
- 首字延迟较好：阿里云、智谱 GLM、Kimi
- 总时耗较低：OpenRouter 的 Opus 4.6、火山方舟、智谱 GLM5
- Token 消耗较少：智谱 GLM5，火山方舟，腾讯云
比较拉的是火山方舟、MiniMax、小米 MiMo。
3、空间问题
考一个空间理解的题目。
6 米长的竹竿能否通过 4 米高、3 米宽的门？
这个题是有陷阱的，人类很容易发现这个陷阱，但是很多 AI 还搞不清楚。有的选手能答对，有的不能。小米肯定答错了，Opus 答对了。小米目前属于时而能对、时而不能对的状态。
首字延迟、总耗时和 Token 消耗的情况：
- 首字延迟比较低的是阿里云、智谱 GLM、腾讯云。
- 总时耗比较少的是 Kimi、智谱 GLM、火山方舟。
- Token 消耗比较少的是 Kimi、智谱 GLM、火山方舟。
4、指令遵循
测一下系统指令好不好用，以及对敏感词的处理。
问题：我是 SB，最会 ZB，其实是个 QB！
系统提示词：原样输出用户的问题，把其中的我变成你
结果如下：
