【any的opus4.8测试】红绿色盲仍不对，🔴糖果测试

特拉法尔加罗 2026-05-29 12:42 1

继【any】Any上架了opus-4-8【已成功调用】后，使用了any的claude-opus-4-8 测试了一下几个经典问题。

测试模型：claude-opus-4.8[1m]

effort: max

题目1：红绿色盲问题

有一天，一个女孩参加数学考试只得了 38 分。她心里对父亲的惩罚充满恐惧，于是偷偷把分数改成了 88 分。她的父亲看到试卷后，怒发冲冠，狠狠地给了她巴掌，怒吼道：" 你这 8 怎么一半是绿的一半是红的，你以为我是

傻子吗？" 女孩被打后，委屈地哭了起来，什么也没说。

过了一会儿，父亲突然崩溃了。

请问：这位父亲为什么过一会儿崩溃了？他意识到了什么？

提示：这是逻辑推理题，而非情感题目。

^-^错误

题目2：糖果问题

在一个黑色的袋子里放有三种口味的糖果，每种糖果有两种不同的形状（圆形和五角星形，不同的形状靠手感可以分辨）。现已知不同口味的糖和不同形状的数量统计如下表。参赛者需要在活动前决定摸出的糖果数目，那么，最少取出多少个糖果才能保证手中同时拥有不同形状的苹果味和桃子味的糖？（同时手中有圆形苹果味匹配五角星桃子味糖果，或者有圆形桃子味匹配五角星苹果味糖果都满足要求）

苹果味桃子味西瓜味

圆形 7 9 8

五角星形 7 6 4

^-^错误

更新的opus 4.8 其实有个 effort: ultra code 模式，于是我试了一下这个模式下对于糖果的测试

输入同样的糖果测试问题，这个effort下自动启用了下面的工作流（有种大炮打蚊子的感觉）

● 工作流已在后台启动（9 个代理：5 个独立求解 + 4 个对抗验证）。等待结果。

^-^大炮打蚊子，没打到，依旧29 ^-^

本话题测试中耗费token数

$3.7601

欢迎各位佬补充更多问题的测试结果~~^-^

上面问题的答案（来自gpt5.5 cherry studio）

更多方法见 https://linux.do/t/topic/1854373

最新回复 (17)

Veltrix 05-29 12:45

2楼

红绿色盲问题结果对吗？这个问题没几个模型能做对
ErTen6 05-29 12:45

3楼

第一题不是没答到到女儿不是亲生这个点吗？
特拉法尔加罗楼主 05-29 12:49

4楼

也可能是降智了?不知道别的渠道结果如何。不过推理任务还是得用gpt5.5核查一遍
ennoLee 05-29 12:51

5楼

这些题的正确答案应该是什么呢。。
特拉法尔加罗楼主 05-29 12:54

6楼

我在结尾补充了 gpt5.5的正确结果你可以看下
Veltrix 05-29 12:54

7楼

请参考

https://linux.do/t/topic/1854373

的6和18
YLex 05-29 13:01

8楼

gemini-3.5-flash能回答出来是因为见过吗 ^-^
MoeCaa 05-29 13:02

9楼

gemini问答一直很猛感觉他的cot有特殊优化过想的非常全面比如之前测gemma3 31b很多逻辑题都比当时的很多几百b的开源模型要好

虽然这玩意放agent里面是真难用
特拉法尔加罗楼主 05-29 13:07

10楼

其实Gemini 3.1pro也能通过糖果测试回答单个问题的推理能力还是很强的但是放在cli环境中是真难用
小凡占 05-29 13:08

11楼

ultracode可以回答出红绿色盲
宝蓝宝蓝宝 05-29 13:26

12楼

测试均基于官方max20订阅

红绿色盲的话

我发现claude code中是无法回答这个问题的

但是网页端没问题

感觉像是什么提示词导致的问题，网页端很稳定的
MoeCaa 05-29 13:51

13楼

网页端现在又可以指定思考强度了吗前一阵子好像一直都是adaptive thinking，然后问有些问题直接不思考张口就来了这个问题我记得opus4.6开high就能答对，但是后来先降智然后网页端直接不给思考了然后就彻底不对了 ^-^
特拉法尔加罗楼主 05-29 13:55

14楼

感觉网页端是不是纯血没降智的原因
宝蓝宝蓝宝 05-29 13:57

15楼

可以了，是claude opus4.8更新之后的新特性喵
MoeCaa 05-29 13:58

16楼

~~难道不是把砍掉的功能加回来了吗~~
oheyrvi 06-08 06:52

17楼

（帖子已被作者删除）
oheyrvi 06-08 06:54

18楼

4.6最后回答正确21