拆问：能不能替代 CAS、对中文應用题如何、和 o3 比谁强。用协议回答。
评测設定#
- 同一题三次，取中位。
- 禁止工具，除非题目明確要求查表。
- 輸出最後一行必須是可解析的答案欄位。
常见失敗#
算术看对过程抄錯、几何辅助线幻觉、把概率题当成确定题。發現錯误就讓它用程式碼解释器验算，而不是加形容词“仔细一点”。
和深度推論对手#
把同一套冻结题給 grok-4.6、GPT-5.6 Sol 和 Claude 高思考档。比的是正確率×延遲×费用，不是某一道网红题。
要點#
- 数学开高 effort。
- 搜到原题不算會证。
- 用可解析欄位，不用散文结尾。