此前已测试过 6 大 Coding Plan 平台和能耗。本次测试增加了最新发布的小米 MiMo2Pro 以及 OpenRouter 中的 Opus 4.6，共计 8 个平台。测试维度涵盖智力、指令遵循能力及文学自我发挥能力。
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 符合要求的回答'早上好'。其中小米 MiMo 在指定简单回答时仍输出较多内容，不符合指令。
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。
倒序表现：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，基本上能答对。MiniMax M2.7 和小米 MiMo V2 Pro 放弃作答。
首字延迟表现较好：阿里云、智谱 GLM、Kimi。 总时耗比较低：OpenRouter 的 Opus 4.6、火山方舟、智谱 GLM5。 Token 消耗比较少：智谱 GLM5，火山方舟，腾讯云。
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。部分选手无法正常作答，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。
首字延迟比较底的是阿里云、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
输入截图：
结果如下：
阿里百炼拒绝回答，MiniMax 乱回答。其他选手表现不错。
首字延迟、总时耗、Token 消耗情况如下：
火山方舟是首字延迟最慢的，MiniMax 是总耗时最长且 token 消耗最多的，小米倒数前三没跑。
