01 · 任务
目标和约束
选择预算计算正确且最容易审计的答案。
- 仅使用任务包中的数字。
- 在固定成本后应用应急措施，并在最后一步保留美分。
- 为每个模型评估一次捕获的运行；不要推断出一般模型排名。
02 · 再现输入
完整提示
阅读用译文
一个发布预算为1200美元。固定成本为249美元的软件费用和180美元的研究费用。在固定成本之后，预留剩余资金的15%作为应急资金。还剩多少用于广告？展示计算并说明最终的金额。
原始提示词（英文）
A launch budget is $1,200. Fixed costs are $249 for software and $180 for research. Set aside a contingency equal to 15% of the money remaining after fixed costs. How much remains for ads? Show the calculation and state the final dollar amount.
为便于复核，捕获时的提示词和模型输出保留原文。译文仅辅助阅读，不代表重新运行模型。
03 · 评估范围
此任务使用的标准
扣除固定成本后剩余771美元。应急资金为115.65美元，正好剩下655.35美元用于广告。强大的答案会展示计算过程，而不会提前四舍五入。
- 检查固定成本小计。
- 在固定成本之后仅应用15%。
- 拒绝早期四舍五入或不支持的总数。
04 · 不可变快照
捕获的输出和审查
从比较摘要开始。仅在需要完整输出、运行元数据和编辑审查时打开快照。
OpenAI
openai/gpt-oss-20b
- 强度
- 完整、标记的计算
- 审查边界
- 比小计算所需的更长
通义千问
qwen/qwen3-30b-a3b-fp8
- 强度
- 简洁且完全可检查
- 审查边界
- 对固定成本后应用的应急措施解释较少
Mistral AI
mistralai/mistral-small-3.1-24b-v2
- 强度
- 正确顺序和结果
- 审查边界
- 最终的未标记金额更难扫描
输出 1原始捕获输出 · 默认折叠OpenAI · openai/gpt-oss-20b
原始输出
Calculation
- Total budget: $1,200
- Fixed costs:
- Software: $249
- Research: $180
- Total fixed costs = $249 + $180 = $429
- Money remaining after fixed costs:
$1,200 – $429 = $771 - Contingency (15 % of $771):
0.15 × $771 = $115.65 - Amount left for ads:
$771 – $115.65 = $655.35
Final dollar amount available for ads: $655.35
满足要求
优势： 完整、标记的计算 在最后一步保持美分
风险： 比小计算所需的更长
最佳用途： 当可审计的计算最为重要时。
输出 2原始捕获输出 · 默认折叠通义千问 · qwen/qwen3-30b-a3b-fp8
原始输出
Total budget: $1,200
Fixed costs: $249 + $180 = $429
Remaining after fixed costs: $1,200 - $429 = $771
Contingency: 15% of $771 = 0.15 × $771 = $115.65
Amount remaining for ads: $771 - $115.65 = $655.35
Final answer: $655.35
满足要求
优势： 简洁且完全可检查 说明正确的655.35美元结果
风险： 对固定成本后应用的应急措施解释较少
最佳用途： 当速度和可追溯的算术都重要时。
输出 3原始捕获输出 · 默认折叠Mistral AI · mistralai/mistral-small-3.1-24b-v2
原始输出
Fixed costs: $249 + $180 = $429 Remaining after fixed costs: $1,200 - $429 = $771 Contingency: 15% of $771 = 0.15 * $771 = $115.65 Remaining for ads: $771 - $115.65 = $655.35
$655.35
满足要求
优势： 正确顺序和结果 没有不必要的声明
风险： 最终的未标记金额更难扫描
最佳用途： 当紧凑计算足够时。
05 · 主张核验台账
主张、来源、证据和边界
主张 1
可用的广告预算是655.35美元。
- 来源
- 已发布的任务包和确定性算术
- 支持
- 2400美元 − 1629美元 = 771美元；771美元的15% = 115.65美元；771美元 − 115.65美元 = 655.35美元。
- 边界
- 这仅验证提供的算术；它不验证业务假设。
主张 2
所有三个捕获的输出达到相同的最终金额。
- 来源
- 在这种情况下，不可变的输出快照
- 支持
- 每个显示的原始输出在遵循相同固定提示后显示$655.35。
- 边界
- 每个模型的一个输出并不能建立稳定的模型级性能率。
06 · 审查结论
此证据支持的内容
优先选择中间值使最终数字最容易验证的答案，而不是模型名称。
已知限制
- 该任务是确定性的，不代表开放式的财务分析。
- 该审查比较了每个模型在单个提示下的一个捕获输出。
- 格式偏好仅在影响可审计性时进行评估。
可重复使用的要点
在接受生成的计算之前，使用中间值审计检查表。
使用支持方法