Wrecklight Salvage

Зафиксированные оценки

Каждый артефакт был создан в соответствии с изданием 2.1 этого краткого руководства и опубликован точно в том виде, в каком был предоставлен. страница запуска модели содержит ссылку на запись запуска, которая указывает, какие проверки на уровне исходного кода были выполнены, какие проверки остаются для обзора человеком и чем эта доставка отличается от эпизода с одним сообщением через размещённый API.

• GPT-6.1 Тера gpt-6.1-terra

  27.10.2026 · 3 файла · 18,9 КБ

  Открыть артефакт
• Kimi K3.1 Pro k3.1-pro

  26.10.2026 · 3 файла · 25,1 КБ

  Открыть артефакт
• MiniMax M3.1 Flash MiniMax-M3.1-Flash

  2026-10-27 · 3 файла · 52,4 КБ

  Открыть артефакт

Что это проверяет

трехфазное развитие игры с постоянным физическим грузом и видимыми последствиями на позднем этапе.

Предлагаемая сложность

Объединяет прогрессию Starfall и движение Ember Glider с постоянными изменениями мира, совместным буксировкой и проверкой извлечения, которая зависит от ранее собранного объекта.

Это гипотезы проектирования, а не наблюдения сбоев модели. Эмпирическая проверка не измерялась.

Одно сообщение, один HTML-ответ

Дайте каждой модели точно полный запрос как одно сообщение от пользователя. Она возвращает один автономный HTML-документ в одном ответе, без использования инструментов, внешних ресурсов, зависимостей или последующего исправления. Ментальная проверка не является доказательством выполнения; оператор выполняет фактическую оффлайн-проверку в браузере после этого.

Не добавляйте BENCHMARK-PROMPT.md к этому краткому описанию.

Руководство и правила прохождения

Пять бинарных наблюдений на каждое краткое описание, без числовых оценок или весов рубрики. Проход засчитывается только, если соблюдены все критерии и протокол одного документа в оффлайне. Непроверенные элементы считаются не наблюдаемыми. Проверяйте при разрешении 1280×720 и узком окне; сохраняйте непорезанные доказательства и отделяйте эстетические предпочтения от функциональных наблюдений.

G1: заработанное восстановление

Доставка двух различных ячеек визуально открывает хранилище Неудача: Таймер разблокировки, дублирующая ячейка, неизмененный мир

G2: реальное восстановление

Одни и те же следы реактора, сталкивается, отсоединяется, вновь присоединяется; его пересекающиеся ворота Фаза 3 Неудача: Декоративный канат, поменянный объект, переход только на буксире

G3: поздний шлюз

Цикл, вызванный грузом, физически блокируется и безопасно сливается; состояние/обратный отсчет совпадают Неудача: Косметическая створка, наложение, раздавливание, оборванный кабель

G4: достоверная эвакуация

Вход только для буксира/частичный/присоединенный отклонен; отсоединенный стабильный груз приносит победу Неудача: Победа вызвана таймером фазы или положением буксира

G5: настойчивость и проверка

Нормальное продвижение и использование помеченных приспособлений подчиняются общим правилам; приостановка/сброс работы Неудача: Проверка обхода коллизий, ложного продвижения, устаревшего состояния

Пройдено: Прохождение требует G1–G5 и автономного протокола для одного документа. Прохождение только приспособления не может установить G1, G2 или сохранение нормального запуска. Выполните и запишите один обычный запуск от начала до конца, а также проверку приспособления; фиксируйте продолжительность, а не придумывайте оценку. Цель 2–4 минуты задает темп, а не рейтинг скорости.

Элементы управления и последовательность проверки

• WASD/стрелки: ускорение; Пробел/Взаимодействие: взять, установить, прикрепить или отпустить. Обязательны удерживаемые кнопки направления.
• Пауза замораживает физику и таймеры. Сброс возвращает к Фазе 1. Проверка: Фаза 3 загружает помеченное приспособление, никогда не заработанный запуск.

Используйте отмеченную тестовую установку для идентичных 20–30 секундных сравнений на позднем этапе игры. Отдельно покажите короткий монтаж из каждого фактического полного прохождения, показывающий как доставку, так и восстановление реактора. Явно маркируйте кадры установки; неудачи достижения позднего этапа обычно остаются неудачами, даже если установка выглядит отлично.

Просматривайте за пределами примеров

Сначала возьмите другую ячейку, освободите груз до порога, сделайте паузу возле закрытия ворот, протащите буксир к причалу, пока груз остается снаружи, и частично отсоедините его за пределами причала. Проверьте источник на наличие единственного совместного пути обновления, используемого как приспособлением для обзора, так и обычной игрой. Метка этапа или запрограммированная последовательность победы не являются прогрессом.

Версии и исправления подсказок

Superbench 2.1 сочетает четыре новых контракта v21 с Ember Glider и Low-Poly Tower Defense в качестве возвращающихся брифов 1.x. Возвращающиеся промпты и их существующие артефакты сохраняют оригинальный протокол выполнения в репозитории; они не переназначаются как генерации версии 2.1 без инструментов. Superbench 2.0 сохраняет v2, в то время как оставшиеся результаты ядра, специалистов и архивные результаты версии 1.x сохраняют свои оригинальные протоколы. Исторические оценки не переносятся и не сравниваются количественно между изданиями.

Издание 2.1 является контрактом запуска. Изменения в поведении, элементах или критериях допуска требуют нового документированного издания; будущие оценки должны сохранять точную оцененную версию подсказки. Типографические исправления должны быть идентифицированы.