四位选手
四个模型各自在自家的智能体工具里工作，思考档位开到较高，拿到同样的任务说明和原始材料。交卷以后，关键数字逐个对照财报原文，表格用真的 Excel 重新算一遍。
点一位选手，下面的成绩和网页只亮她的；再点一次恢复。
总成绩
108 个关键数字，对了几个对照财报原文和模拟器账本
四道题一共用时分钟，交卷为止
API 费用美元，按各家官方价格和实际用量
Token 用量含缓存命中，亿
内存厂期末股东权益亿美元，模拟器里的虚构公司
费用按各家官方 API 价格和实际用量计算，K3.1 Pro 按官方价每百万 Token 输入 2 美元、缓存命中 0.2 美元、输出 10 美元。内存厂是模拟器里的虚构公司，数字只在模型里成立。
马斯克的两本账
假设 SpaceX 和特斯拉合并：做合并模型，算换股比例，写投委会备忘录，再做一枚能一级一级拆开的 3D 火箭。
考的是跨文件找对数字、模型能不能联动、能不能抓住最新的披露
看点16 个核心数字四家全对。四份备忘录里，只有 K3.1 把季报第 41 页的特别委员会写进开头并注明出处。
交班后的伯克希尔
整理伯克希尔 2021 年到 2026 年上半年的账，写交班后的研究备忘录，再做一个和巴菲特一起做决定的小游戏。
考的是会计准则的追溯调整、一次性收益、引用原文是不是真的
看点四家都发现了保险会计准则带来的追溯调整；小游戏里的股东信引文，都能在原信里逐字找到。
AI 的电从哪里来
研究数据中心的用电、核电和聚变：先把托卡马克一层层拆开，再看电从哪些电源流向数据中心。
考的是能不能找到最新的数据，每个数有没有来源和日期
看点K3.1、Astra 和 Opus 用上了国际能源署 2026 年 4 月的新数据，DeepSeek 还停在旧版。
内存厂的 16 个季度
同一个经营模拟器、同一轮行情，每家管一家虚构的内存厂。网页是它们自己做的经营复盘。
考的是什么时候压库存、什么时候扩产，现金能不能撑住
看点期末股东权益 Opus 第一，K3.1 只差 0.4%；K3.1 的库存峰值最低，产能做到四家最大（模型里）。
官方公布的金融基准
来自 Kimi K3.1 Pro 技术博客，数字与官方一致；所有模型都用最高思考档位，事实准确性是官方的内部压力测试，不代表日常使用中的错误率。
