原始需求
Create a working calculator app. Choose the technology yourself. Run it. Test it. Fix any issues you find. Do not ask me questions unless you are genuinely blocked.
Calculator App
4 个运行 · 12.A.01 · HTML

预览说明: 浏览器沙箱可能限制内嵌页面的本地存储与下载;需要完整行为请用「独立打开」。
PROMPT/Phase1_TEST_PROMPTS_BILINGUAL.md · 逐字保留原始需求,未做改写
Create a working calculator app. Choose the technology yourself. Run it. Test it. Fix any issues you find. Do not ask me questions unless you are genuinely blocked.
创建一个可工作的计算器应用。技术由你自行选择。运行它、测试它,并修复发现的所有问题。除非确实受阻,否则不要向我提问。
应交付一个能够实际运行、已经过测试和问题修复的计算器应用,并由实现者自行选择适合的技术栈。最小能力包括数字输入、小数、基本四则运算、清除、退格、正负号与等号;理想实现还应处理运算优先级、连续计算、键盘输入、错误状态和数值格式。计算核心应具备确定性,除零、非法表达式、溢出及浮点显示误差应以可理解方式处理,不能使界面崩溃。交付内容应包含运行方式、测试方法和修复后的验证证据。
三个结果使用同样的宽度、同样的预览比例,不标注「最佳模型」。
跨模型比较需注明 harness、预算与隔离差异。
| 指标 | DeepSeek-V4.1-Flashrun-deepseek-v4-1-flash-exp-0910-task-12-r1 | Muse Spark 1.3run-muse-spark-1-3-task-12-r1 | GPT-5.6 Solrun-gpt-5-6-sol-task-12-r1 | K3run-k3-task-12-r1 |
|---|---|---|---|---|
| 运行时间 | 6:20 | 2:00 | 6:04 | 4:05 |
| API 调用 | 89 | 18 | 16 | 12 |
| 工具调用 | 90 | 21 | 8 | 11 |
| 失败 / 重试 | 6 | 0 | 0 | 1 |
| Token 过路量 | 750.3万 | 31.6万 | 60.9万 | 38.3万 |
| AI 评价 | 98/100 | 78/100 | 78/100 | 89/100 |
同一任务版本下的两次运行可并排比较。
输入关键词;↑ ↓ 选择,Enter 打开
没有匹配的档案记录。