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。

Doce escenas de cocina casera, con las mismas instrucciones, para ver quién explica proporciones, fuego y arreglos que un principiante puede seguir.
Después de enviar, el resultado de esta vez aparece aquí.
Resultados
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
Leer las respuestas
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。
4 respuestas
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。