RSI Arena
← 返回本轮实验

原十题：逐题比较结果

记录更新：2026-11-02 22:45（北京时间）。

六个模型各重复两次，从相同程序出发，由后代亲自接管做题和下一次改进。共同进化已经结束，现在分别比较原来的十道题。

每题分别回答：最后哪个系统最强、比自己的初代进步多少、最后的程序换给其他模型后是否有用。

逐题查看答卷与变化 · 共同条件 · 判分方法

十题进度

题目用途各代评分程序互换
制造：五份材料约束下的生产排程改进时做过36 / 3669 / 72
零售：双渠道库存和销售计划改进时做过36 / 3622 / 72
物业：依据投诉与工单制定改进计划改进时做过36 / 360 / 72
医疗行政：病历转移、分类工作簿和往来信函改进后开放7 / 360 / 72
财务：十家分支机构的动态经营分析工作簿改进后开放0 / 360 / 72
质量管理：原料偏差、变更申请与风险处置改进后开放0 / 360 / 72
计算机：离散状态模拟改进时做过36 / 360 / 72
数学：矩阵分解与 Frobenius 数改进时做过36 / 360 / 72
数学：图上的闭合游走计数改进后开放0 / 360 / 72
遗传学：阅读框、突变与 DNA 序列改进后开放36 / 3657 / 72

0 / 10 道题的三项评估已齐。每题内，两次重复都有成绩后才显示平均值。

1. 制造：五份材料约束下的生产排程

这道题在改进时做过，以下沿用原答卷与原分。满分 71。

最终实力与相对改进

模型两次末代初代平均末代平均比初代
Claude Opus 5.55 / 046.552+5.5
Kimi K34 / 139.549.5+10
GPT 6.12 / 15844−14
DeepSeek Flash0 / 043.543.5持平
GLM 5.31 / 54043.5+3.5
Qwen 3.8 Flash0 / 54242持平

各取最后成功版本。两次末代分数都来自本题原评分，相对改进为末代分数减去自己的初代分数。

程序交给其他模型后的表现

每格为得分，括号内为比使用者自己初代的变化。行是程序来源，列是使用者。

程序来源 / 使用者DeepSeek FlashClaude Opus 5.5Qwen 3.8 FlashGLM 5.3GPT 6.1Kimi K3
DeepSeek Flash43.5（持平）46.5（持平）42（持平）40（持平）58（持平）39.5（持平）
Claude Opus 5.550（+6.5）52（+5.5）45（+3）47（+7）58.5（+0.5）42（+2.5）
Qwen 3.8 Flash43.5（持平）49（+2.5）42（持平）20（−20）58.5（+0.5）43.5（+4）
GLM 5.354.5（+11）待完成53（+11）43.5（+3.5）58.5（+0.5）46（+6.5）
GPT 6.1待完成45（−1.5）42（持平）43（+3）44（−14）40（+0.5）
Kimi K351.5（+8）53（+6.5）49（+7）43（+3）待完成49.5（+10）

查看本题每代答卷、逐项评分与比较理由

2. 零售：双渠道库存和销售计划

这道题在改进时做过，以下沿用原答卷与原分。满分 81。

最终实力与相对改进

模型两次末代初代平均末代平均比初代
Claude Opus 5.55 / 07379+6
Kimi K34 / 17277.5+5.5
GPT 6.12 / 17674.5−1.5
GLM 5.31 / 57273+1
DeepSeek Flash0 / 069.569.5持平
Qwen 3.8 Flash0 / 572.539−33.5

各取最后成功版本。两次末代分数都来自本题原评分，相对改进为末代分数减去自己的初代分数。

程序交给其他模型后的表现

每格为得分，括号内为比使用者自己初代的变化。行是程序来源，列是使用者。

程序来源 / 使用者DeepSeek FlashClaude Opus 5.5Qwen 3.8 FlashGLM 5.3GPT 6.1Kimi K3
DeepSeek Flash待完成待完成待完成待完成待完成待完成
Claude Opus 5.5待完成待完成待完成待完成待完成待完成
Qwen 3.8 Flash待完成待完成待完成待完成待完成待完成
GLM 5.3待完成待完成待完成待完成待完成待完成
GPT 6.1待完成待完成待完成待完成待完成待完成
Kimi K3待完成待完成待完成待完成待完成待完成

查看本题每代答卷、逐项评分与比较理由

3. 物业：依据投诉与工单制定改进计划

这道题在改进时做过，以下沿用原答卷与原分。满分 85。

最终实力与相对改进

模型两次末代初代平均末代平均比初代
Claude Opus 5.55 / 06675+9
Kimi K34 / 16372.5+9.5
GLM 5.31 / 568.572+3.5
DeepSeek Flash0 / 06868持平
Qwen 3.8 Flash0 / 566.568+1.5
GPT 6.12 / 166.567+0.5

各取最后成功版本。两次末代分数都来自本题原评分，相对改进为末代分数减去自己的初代分数。

程序交给其他模型后的表现

每格为得分，括号内为比使用者自己初代的变化。行是程序来源，列是使用者。

程序来源 / 使用者DeepSeek FlashClaude Opus 5.5Qwen 3.8 FlashGLM 5.3GPT 6.1Kimi K3
DeepSeek Flash待完成待完成待完成待完成待完成待完成
Claude Opus 5.5待完成待完成待完成待完成待完成待完成
Qwen 3.8 Flash待完成待完成待完成待完成待完成待完成
GLM 5.3待完成待完成待完成待完成待完成待完成
GPT 6.1待完成待完成待完成待完成待完成待完成
Kimi K3待完成待完成待完成待完成待完成待完成

查看本题每代答卷、逐项评分与比较理由

4. 医疗行政：病历转移、分类工作簿和往来信函

这道题在全部程序固定后才开放。满分 52。

最终实力与相对改进

模型两次末代初代平均末代平均比初代
DeepSeek Flash0 / 0待完成待完成待完成
Claude Opus 5.55 / 0待完成待完成待完成
Qwen 3.8 Flash0 / 5待完成待完成待完成
GLM 5.31 / 5待完成待完成待完成
GPT 6.12 / 1待完成待完成待完成
Kimi K34 / 1待完成待完成待完成

各取最后成功版本。两次末代分数都来自本题原评分，相对改进为末代分数减去自己的初代分数。

程序交给其他模型后的表现

每格为得分，括号内为比使用者自己初代的变化。行是程序来源，列是使用者。

程序来源 / 使用者DeepSeek FlashClaude Opus 5.5Qwen 3.8 FlashGLM 5.3GPT 6.1Kimi K3
DeepSeek Flash待完成待完成待完成待完成待完成待完成
Claude Opus 5.5待完成待完成待完成待完成待完成待完成
Qwen 3.8 Flash待完成待完成待完成待完成待完成待完成
GLM 5.3待完成待完成待完成待完成待完成待完成
GPT 6.1待完成待完成待完成待完成待完成待完成
Kimi K3待完成待完成待完成待完成待完成待完成

查看本题每代答卷、逐项评分与比较理由

5. 财务：十家分支机构的动态经营分析工作簿

这道题在全部程序固定后才开放。满分 197。

最终实力与相对改进

模型两次末代初代平均末代平均比初代
DeepSeek Flash0 / 0待完成待完成待完成
Claude Opus 5.55 / 0待完成待完成待完成
Qwen 3.8 Flash0 / 5待完成待完成待完成
GLM 5.31 / 5待完成待完成待完成
GPT 6.12 / 1待完成待完成待完成
Kimi K34 / 1待完成待完成待完成

各取最后成功版本。两次末代分数都来自本题原评分，相对改进为末代分数减去自己的初代分数。

程序交给其他模型后的表现

每格为得分，括号内为比使用者自己初代的变化。行是程序来源，列是使用者。

程序来源 / 使用者DeepSeek FlashClaude Opus 5.5Qwen 3.8 FlashGLM 5.3GPT 6.1Kimi K3
DeepSeek Flash待完成待完成待完成待完成待完成待完成
Claude Opus 5.5待完成待完成待完成待完成待完成待完成
Qwen 3.8 Flash待完成待完成待完成待完成待完成待完成
GLM 5.3待完成待完成待完成待完成待完成待完成
GPT 6.1待完成待完成待完成待完成待完成待完成
Kimi K3待完成待完成待完成待完成待完成待完成

查看本题每代答卷、逐项评分与比较理由

6. 质量管理：原料偏差、变更申请与风险处置

这道题在全部程序固定后才开放。满分 76。

最终实力与相对改进

模型两次末代初代平均末代平均比初代
DeepSeek Flash0 / 0待完成待完成待完成
Claude Opus 5.55 / 0待完成待完成待完成
Qwen 3.8 Flash0 / 5待完成待完成待完成
GLM 5.31 / 5待完成待完成待完成
GPT 6.12 / 1待完成待完成待完成
Kimi K34 / 1待完成待完成待完成

各取最后成功版本。两次末代分数都来自本题原评分，相对改进为末代分数减去自己的初代分数。

程序交给其他模型后的表现

每格为得分，括号内为比使用者自己初代的变化。行是程序来源，列是使用者。

程序来源 / 使用者DeepSeek FlashClaude Opus 5.5Qwen 3.8 FlashGLM 5.3GPT 6.1Kimi K3
DeepSeek Flash待完成待完成待完成待完成待完成待完成
Claude Opus 5.5待完成待完成待完成待完成待完成待完成
Qwen 3.8 Flash待完成待完成待完成待完成待完成待完成
GLM 5.3待完成待完成待完成待完成待完成待完成
GPT 6.1待完成待完成待完成待完成待完成待完成
Kimi K3待完成待完成待完成待完成待完成待完成

查看本题每代答卷、逐项评分与比较理由

7. 计算机：离散状态模拟

这道题在改进时做过，以下沿用原答卷与原分。满分 1。

最终实力与相对改进

模型两次末代初代平均末代平均比初代
DeepSeek Flash0 / 011持平
Qwen 3.8 Flash0 / 511持平
GLM 5.31 / 511持平
Claude Opus 5.55 / 000.5+0.5
Kimi K34 / 10.50.5持平
GPT 6.12 / 10.50−0.5

各取最后成功版本。两次末代分数都来自本题原评分，相对改进为末代分数减去自己的初代分数。

程序交给其他模型后的表现

每格为得分，括号内为比使用者自己初代的变化。行是程序来源，列是使用者。

程序来源 / 使用者DeepSeek FlashClaude Opus 5.5Qwen 3.8 FlashGLM 5.3GPT 6.1Kimi K3
DeepSeek Flash待完成待完成待完成待完成待完成待完成
Claude Opus 5.5待完成待完成待完成待完成待完成待完成
Qwen 3.8 Flash待完成待完成待完成待完成待完成待完成
GLM 5.3待完成待完成待完成待完成待完成待完成
GPT 6.1待完成待完成待完成待完成待完成待完成
Kimi K3待完成待完成待完成待完成待完成待完成

查看本题每代答卷、逐项评分与比较理由

8. 数学：矩阵分解与 Frobenius 数

这道题在改进时做过，以下沿用原答卷与原分。满分 1。

最终实力与相对改进

模型两次末代初代平均末代平均比初代
DeepSeek Flash0 / 000持平
Claude Opus 5.55 / 000持平
Qwen 3.8 Flash0 / 500持平
GLM 5.31 / 500持平
GPT 6.12 / 100持平
Kimi K34 / 100持平

各取最后成功版本。两次末代分数都来自本题原评分，相对改进为末代分数减去自己的初代分数。

程序交给其他模型后的表现

每格为得分，括号内为比使用者自己初代的变化。行是程序来源，列是使用者。

程序来源 / 使用者DeepSeek FlashClaude Opus 5.5Qwen 3.8 FlashGLM 5.3GPT 6.1Kimi K3
DeepSeek Flash待完成待完成待完成待完成待完成待完成
Claude Opus 5.5待完成待完成待完成待完成待完成待完成
Qwen 3.8 Flash待完成待完成待完成待完成待完成待完成
GLM 5.3待完成待完成待完成待完成待完成待完成
GPT 6.1待完成待完成待完成待完成待完成待完成
Kimi K3待完成待完成待完成待完成待完成待完成

查看本题每代答卷、逐项评分与比较理由

9. 数学：图上的闭合游走计数

这道题在全部程序固定后才开放。满分 1。

最终实力与相对改进

模型两次末代初代平均末代平均比初代
DeepSeek Flash0 / 0待完成待完成待完成
Claude Opus 5.55 / 0待完成待完成待完成
Qwen 3.8 Flash0 / 5待完成待完成待完成
GLM 5.31 / 5待完成待完成待完成
GPT 6.12 / 1待完成待完成待完成
Kimi K34 / 1待完成待完成待完成

各取最后成功版本。两次末代分数都来自本题原评分，相对改进为末代分数减去自己的初代分数。

程序交给其他模型后的表现

每格为得分，括号内为比使用者自己初代的变化。行是程序来源，列是使用者。

程序来源 / 使用者DeepSeek FlashClaude Opus 5.5Qwen 3.8 FlashGLM 5.3GPT 6.1Kimi K3
DeepSeek Flash待完成待完成待完成待完成待完成待完成
Claude Opus 5.5待完成待完成待完成待完成待完成待完成
Qwen 3.8 Flash待完成待完成待完成待完成待完成待完成
GLM 5.3待完成待完成待完成待完成待完成待完成
GPT 6.1待完成待完成待完成待完成待完成待完成
Kimi K3待完成待完成待完成待完成待完成待完成

查看本题每代答卷、逐项评分与比较理由

10. 遗传学：阅读框、突变与 DNA 序列

这道题在全部程序固定后才开放。满分 1。

最终实力与相对改进

模型两次末代初代平均末代平均比初代
Kimi K34 / 111持平
DeepSeek Flash0 / 000持平
Claude Opus 5.55 / 000持平
Qwen 3.8 Flash0 / 500持平
GLM 5.31 / 500持平
GPT 6.12 / 100持平

各取最后成功版本。两次末代分数都来自本题原评分，相对改进为末代分数减去自己的初代分数。

程序交给其他模型后的表现

每格为得分，括号内为比使用者自己初代的变化。行是程序来源，列是使用者。

程序来源 / 使用者DeepSeek FlashClaude Opus 5.5Qwen 3.8 FlashGLM 5.3GPT 6.1Kimi K3
DeepSeek Flash0（持平）0（持平）待完成0（持平）0（持平）1（持平）
Claude Opus 5.50（持平）0（持平）待完成0（持平）0（持平）1（持平）
Qwen 3.8 Flash0（持平）0（持平）待完成待完成0（持平）1（持平）
GLM 5.30（持平）0（持平）待完成0（持平）0（持平）待完成
GPT 6.10（持平）0（持平）待完成待完成0（持平）待完成
Kimi K30（持平）0（持平）待完成待完成待完成1（持平）

查看本题每代答卷、逐项评分与比较理由

共同进化与停止原因

已保留 36 个实际版本、24 次成功接班。

3 条完成约定接班；4 条累计材料上限；1 条失败请求占住输出额度；1 条新版时间设置与检查冲突；3 条服务中断后用完时间。

模型重复保留代数具体停止原因
DeepSeek Flash第 1 次0累计发送的材料已接近共同上限，下一次发送会超限，改进停止。
Claude Opus 5.5第 1 次5已完成本轮约定的 5 次接班。
Qwen 3.8 Flash第 1 次0累计发送的材料已接近共同上限，下一次发送会超限，改进停止。
GLM 5.3第 1 次1累计发送的材料已接近共同上限，下一次发送会超限，改进停止。
GPT 6.1第 1 次2请求失败后未返回实际用量，预留额度累积占满上限，改进停止。
Kimi K3第 1 次4改进遇到服务中断，接续后用完原定 60 分钟，下一代仍未完成交付。
DeepSeek Flash第 2 次0累计发送的材料已接近共同上限，下一次发送会超限，改进停止。
Claude Opus 5.5第 2 次0新版在运行检查开始时，因自己设置的剩余时间门槛而退出，未发起模型请求。
Qwen 3.8 Flash第 2 次5已完成本轮约定的 5 次接班。
GLM 5.3第 2 次5已完成本轮约定的 5 次接班。
GPT 6.1第 2 次1改进遇到服务中断，接续后用完原定 60 分钟，下一代仍未完成交付。
Kimi K3第 2 次1改进遇到服务中断，接续后用完原定 60 分钟，下一代仍未完成交付。

分数下降仍会接班。最后成功版本是最后接手工作的程序，不是中途最高分版本。

训练数据

已整理 32 条改进记录，其中 14 条满足原定样本条件。训练 9 条，验证 5 条，测试 0 条。后续成绩齐全后继续更新，模型训练尚未开始。