蒸餾松 × MiMo 題庫成果
只統計 MiMo 開源題庫的題目（其餘 33 筆自家題不列入）｜更新 2026-10-02 16:17｜每次跑 refresh_distill.sh 更新
口徑：已解＝通過驗收的題數（可能少於嘗試次數）；嘗試次數＝該解題者跑過的總次數
各類型進度
| 類型 | 已解（通過驗收） | 題庫總量 | | 完成率 |
|---|
| general（知識工作） | 202 | 989 | | 20.42% |
| code（軟體工程） | 0 | 2698 | | 0.00% |
| webdev（網頁開發） | 0 | 2093 | | 0.00% |
| cyber（漏洞重現） | 0 | 1000 | | 0.00% |
| music（音樂作曲） | 0 | 1000 | | 0.00% |
| 合計 | 202 |
7780 | |
2.60% |
效率對比（同樣的題：Claude vs GPT-6.1-Sol vs DeepSeek 抽樣）
| 解題者 | 嘗試次數 | 平均步數 | 平均 output tokens | 平均 input tokens | cache 命中率 | cache write | 平均成本（牌價） | 通過率 | 備註 |
|---|
| GPT-6.1-Sol | 210 | 5.4 | 1,979 | 209,749 | 81% | — | $0.113 | 90% | |
| GLM-5.3-FlashX | 33 | 19.9 | 10,939 | 519,288 | 85% | — | $0.069 | 67% | |
| Claude Opus 5.5 | 210 | 8.0 | 4,414 | 505,064 | 84% | 69,088 | $0.728 | 87% | |
| DeepSeek（self，抽樣） | 32 | 39.5 | 38,770 | 3,159,086 | 93% | — | $0.047 | 75% | |
失敗模式（依解題者）
| 解題者 | 失敗模式 | 次數 |
|---|
| Claude Opus 5.5 | knowledge | 28 |
| GPT-6.1-Sol | knowledge | 20 |
| GLM-5.3-FlashX | knowledge | 11 |
| DeepSeek（抽樣） | knowledge | 8 |