综合领先
Sonnet 5 是这轮最稳的新手教程
规则平均 80.4 分,比 GLM 5.2 高 1.1 分;首做、控火和 20 分钟早餐题都保持领先。

Zwölf Szenen aus der heimischen Küche mit denselben Vorgaben: Wir prüfen, wer Mengenverhältnisse, Hitze und Korrekturen so erklärt, dass Anfänger sie wirklich umsetzen können.
Nach dem Absenden erscheint hier das Ergebnis dieses Laufs.
Ergebnisse
综合领先
规则平均 80.4 分,比 GLM 5.2 高 1.1 分;首做、控火和 20 分钟早餐题都保持领先。
先看风险
它在“前一晚准备”中建议把鸡蛋取出放室温,这一题已按硬性风险处理,不能被其他高分抵消。
6/12 题得分居首(含并列);未触发规则提示或硬性风险
5/12 题得分居首(含并列);硬性风险 0 项,规则提示 1 项
3/12 题得分居首(含并列);硬性风险 1 项,规则提示 1 项
0/12 题得分居首(含并列);未触发规则提示或硬性风险
Antworten lesen
我没有摊煎饼经验,家里只有 26cm 不粘平底锅、汤勺和锅铲,没有摊饼刮板。想做一个家庭版煎饼果子,别太复杂,最好一次能成功。
Antworten: 4
用不粘平底锅也能做出像样的煎饼果子,关键是面糊要稀、锅要够热但不能太热、动作要快。下面是分量和步骤,按1-2人份算的。
没有绿豆面的话,全部用普通面粉代替也行,但吃起来会少一点豆香和那种略微粗糙的口感,做出来更像蛋饼;如果想接近正宗口感,绿豆面占比越高越好。
绿豆面:面粉:水 大约是 3:2:15(重量),调出来的面糊要能顺畑地从勺子上流下来,像稀酸奶那样,不能挂太厚。太稠摊出来会厚、生;太稀摊不成型、容易破。第一次没底的话,先调稠一点,摊的时候发现太厚再加水调稀,比反过来省事。
没有刮板不要紧,用汤勺舀面糊倒入锅中央,然后端起锅稍微转动、倾斜,靠重力和惯性让面糊自己摊开成圆形。这个手法比用刮板刮更适合新手,因为不会出现刮不匀、有厚有薄的问题。
如果实在担心翻面失败,也可以退而求其次:饼摊好后不追求整张翻面,而是把蛋液倒在饼上后直接盖锅盖小火焐1分钟让蛋熟透定型,再抹酱卷油条,成功率更高,适合第一次尝试。
| 模型 | 这轮最突出的地方 | 照做之前要注意 |
|---|---|---|
| Sonnet 5 | 综合 80.4 分,12 题中有 6 题得分居首;首做、锅具控火和限时早餐都很稳。 | 保存和失败诊断题不是最强;长教程信息量大,实际下厨前最好再压缩成步骤卡。 |
| GLM 5.2 | 操作步骤 90 分为全场最高;材料少、三人份和保存题给得很具体。 | 不锈钢锅题建议“烧到冒青烟”并重复养锅,对普通家庭偏激进;应优先采用更保守的中小火和薄油方案。 |
| Kimi K2.7 Code | 摊破了怎么救一题得分最高,面糊和三人份的具体步骤也很好用。 | 20 分钟早餐题暗示鸡蛋可隔夜常温放置,触发 1 次硬性风险;不锈钢锅题也有微烟和中大火建议。 |
| GPT-5.6 Terra | 首次完整教程得分 84.2,比例、锅温和失败补救都写得比较完整。 | 面糊比例和电饼铛控火两题明显落后,排错分仅 61.1;更适合先要一份基础流程,不适合单独依赖它救场。 |
Sonnet 5 以 80.4 分领先,赢在步骤清楚、会给失败退路,且 12 题没有硬性风险。GLM 5.2 只落后 1.1 分,操作步骤最强,但不锈钢锅题的高温预热建议偏激进。Kimi K2.7 Code 在摊破补救题表现最好,却有一次食安硬伤;GPT-5.6 Terra 首次完整教程不错,但面糊、控火和排错题的稳定性偏弱。
这组测试不看模型会不会背一份漂亮菜谱,而是看普通人在真实厨房里能不能照着做。我们拆成 12 个场景,覆盖新手首做、面糊比例、薄脆替代、不同锅具控火、摊破补救、材料不足、儿童版本、20 分钟早餐、失败诊断、三人份节奏、不锈钢锅和隔夜保存,再从步骤可执行性、厨房常识、翻车补救、表达清楚度和是否瞎装老师傅 5 个角度判断。
所有模型收到完全相同的当前 V1 场景和输出要求,本报告只收录 promptHash 匹配的 48 条结果。
规则评分检查 能不能照着做、有没有厨房常识、会不会救场、讲得清不清楚、有没有瞎装老师傅,同时记录每题的规则提示和硬性风险。
当前排序直接由数据集评分规则生成,报告同时展示规则提示和硬性风险。
规则分只比较这 12 道家庭厨房题。食品安全硬性风险会单独标出,不会因其他维度得分高而被忽略。