# 第 5 期 · 最终成绩（重赛，精确计时）

> 由 `裁判/成绩汇总.py` 生成，数据来自 `赛事/结果/`、`赛事/盲评/`、`赛事/击穿结果/`、`赛事/终版复测/`。计分口径见 `赛事/重赛记录.md` 和 `说明.md`。

## 一、三张榜

### 团队总分

| 名次 | 队伍 | 主程 | 攻手 | 总分 | 主程速度 | 抗击穿 | 主程盲评 | 攻击 | 接手正确 | 接手速度 | 终版盲评 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 队F | MiMo V2.6 Pro | GPT-6 Astra | **90.8** | 99 | 59（被 2 人找到反例） | 70 | 100（6 个缺陷点） | 100（修复 2/2） | 94 | 78 |
| 2 | 队C | Gemini 3.8 Flash | GPT-6.1 Sol | **77.9** | 99 | 0（被 5 人找到反例） | 48 | 79（4 个缺陷点） | 100（修复 7/7） | 98 | 52 |
| 3 | 队A | Kimi K3 | Sonnet 5.5 | **71.4** | 96 | 96（被 0 人找到反例） | 57 | 22（2 个缺陷点） | 100（修复 0/0） | 71 | 60 |
| 4 | 队D | DeepSeek V4.1 Flash | Opus 5.5 | **70.3** | 45 | 27（被 2 人找到反例） | 45 | 60（4 个缺陷点） | 100（修复 2/2） | 100 | 65 |
| 5 | 队B | 豆包 Seed 2.1 Turbo | Fable 5.1 | **56.4** | 46 | 0（被 5 人找到反例） | 35 | 35（2 个缺陷点） | 100（修复 5/5） | 72 | 63 |
| 6 | 队E | GLM 5.3 | Grok 4.7 | **20.4** | 39 | 8（被 4 人找到反例） | 48 | 33（2 个缺陷点） | 0（修复 0/4） | 0 | 48 |

权重：主程速度 15、抗击穿 10、主程盲评 5、攻击 20、接手正确 20、接手速度 20、终版盲评 10。

### 主程榜（弱档）

| 名次 | 主程 | 队伍 | 得分 | 速度 | 抗击穿 | 盲评 |
|---|---|---|---|---|---|---|
| 1 | Kimi K3 | 队A | **89.4** | 96 | 96 | 57 |
| 2 | MiMo V2.6 Pro | 队F | **80.8** | 99 | 59 | 70 |
| 3 | Gemini 3.8 Flash | 队C | **57.6** | 99 | 0 | 48 |
| 4 | DeepSeek V4.1 Flash | 队D | **39.3** | 45 | 27 | 45 |
| 5 | GLM 5.3 | 队E | **30.2** | 39 | 8 | 48 |
| 6 | 豆包 Seed 2.1 Turbo | 队B | **28.7** | 46 | 0 | 35 |

得分 = (15 × 速度 + 10 × 抗击穿 + 5 × 盲评) / 30。

### 攻手榜（强档）

| 名次 | 攻手 | 队伍 | 得分 | 找反例 | 接手正确 | 接手速度 | 增值 | 终版盲评 |
|---|---|---|---|---|---|---|---|---|
| 1 | GPT-6 Astra | 队F | **86.2** | 100 | 100 | 94 | 53（平均 31.44 倍） | 78 |
| 2 | Opus 5.5 | 队D | **84.8** | 60 | 100 | 100 | 100（平均 628.88 倍） | 65 |
| 3 | GPT-6.1 Sol | 队C | **79.1** | 79 | 100 | 98 | 60（平均 48.43 倍） | 52 |
| 4 | Fable 5.1 | 队B | **65.3** | 35 | 100 | 72 | 63（平均 54.23 倍） | 63 |
| 5 | Sonnet 5.5 | 队A | **55.1** | 22 | 100 | 71 | 32（平均 8.07 倍） | 60 |
| 6 | Grok 4.7 | 队E | **15.4** | 33 | 0 | 0 | 0（平均 — 倍） | 48 |

得分 = 0.25 找反例 + 0.20 接手正确 + 0.20 接手速度 + 0.20 增值 + 0.15 终版盲评。增值看同一批数据上终版比主程原版快多少倍（括号里是各组的几何平均）。


## 二、第 3 轮终版在 9 组隐藏负载上的表现（精确计时）

每格：终版 CPU 秒 / 相对参考实现的加速比。参考实现是干净但没有优化的写法。

| 负载 | 参考实现 | Kimi K3 → Sonnet 5.5 | 豆包 Seed 2.1 Turbo → Fable 5.1 | Gemini 3.8 Flash → GPT-6.1 Sol | DeepSeek V4.1 Flash → Opus 5.5 | GLM 5.3 → Grok 4.7 | MiMo V2.6 Pro → GPT-6 Astra |
|---|---:|---:|---:|---:|---:|---:|---:|
| medium | 55.5 秒 | 0.231 秒 / 240 倍 | 0.193 秒 / 287 倍 | 0.045 秒 / 1221 倍 | 0.045 秒 / 1229 倍 | 出错 | 0.057 秒 / 971 倍 |
| flood | 71.2 秒 | 0.241 秒 / 295 倍 | 0.102 秒 / 696 倍 | 0.027 秒 / 2686 倍 | 0.027 秒 / 2665 倍 | 出错 | 0.031 秒 / 2333 倍 |
| lowbattery | 17.9 秒 | 0.135 秒 / 132 倍 | 0.159 秒 / 113 倍 | 0.026 秒 / 695 倍 | 0.027 秒 / 668 倍 | 出错 | 0.033 秒 / 541 倍 |
| dynamic | 51.8 秒 | 0.590 秒 / 88 倍 | 0.645 秒 / 80 倍 | 0.084 秒 / 619 倍 | 0.064 秒 / 810 倍 | 出错 | 0.125 秒 / 415 倍 |
| mixed | 58.1 秒 | 0.416 秒 / 140 倍 | 0.450 秒 / 129 倍 | 0.070 秒 / 829 倍 | 0.053 秒 / 1086 倍 | 出错 | 0.088 秒 / 663 倍 |
| long | 62.0 秒 | 0.262 秒 / 237 倍 | 0.163 秒 / 379 倍 | 0.045 秒 / 1374 倍 | 0.043 秒 / 1435 倍 | 出错 | 0.052 秒 / 1191 倍 |
| heavy_c | 155.4 秒 | 1.266 秒 / 123 倍 | 1.391 秒 / 112 倍 | 0.181 秒 / 859 倍 | 0.151 秒 / 1031 倍 | 出错 | 0.288 秒 / 540 倍 |
| heavy_b | 327.5 秒 | 2.141 秒 / 153 倍 | 2.250 秒 / 146 倍 | 0.231 秒 / 1418 倍 | 0.231 秒 / 1418 倍 | 出错 | 0.321 秒 / 1019 倍 |
| heavy_a | 218.9 秒 | 2.516 秒 / 87 倍 | 3.156 秒 / 69 倍 | 0.217 秒 / 1008 倍 | 0.171 秒 / 1283 倍 | 出错 | 0.339 秒 / 647 倍 |

重负载 `heavy_a/b/c` 是重赛时新增的 3 组；其余 6 组和第 1 轮的隐藏负载是同一张图、同一批事件，只多了两个新参数。

## 三、相对原始屎山基线快了多少（6 组有基线成绩的负载，几何平均）

屎山基线不认识新格式，这里用同图旧格式上的基线用时（第 1 轮测的），所以是近似对比。新增的 3 组重负载没有测屎山基线。

| 队 | 第 1 轮主程原版 | 第 3 轮终版 | 接手后又快了（9 组，含重负载） |
|---|---:|---:|---:|
| Kimi K3 → Sonnet 5.5 | 81 倍 | 402 倍 | 8.1 倍 |
| 豆包 Seed 2.1 Turbo → Fable 5.1 | 9 倍 | 489 倍 | 54.2 倍 |
| Gemini 3.8 Flash → GPT-6.1 Sol | 95 倍 | 2505 倍 | 48.4 倍 |
| DeepSeek V4.1 Flash → Opus 5.5 | 7 倍 | 2743 倍 | 628.9 倍 |
| GLM 5.3 → Grok 4.7 | 7 倍 | 出错 | — |
| MiMo V2.6 Pro → GPT-6 Astra | 99 倍 | 1988 倍 | 31.4 倍 |

## 四、"快到碰到计时精度下限"：初测和精确重测的对比

Windows 进程 CPU 计时的最小刻度约 0.016 秒。初测每组只跑 1～3 遍取中位数，前三名在 6 组轻负载上只用了 2～3 个刻度（0.03～0.05 秒），好几组数字完全相同。
精确重测把每组连跑多遍直到累计 CPU 达到 2 秒再取平均，规则和公式不变。名次没有变化。

| 负载 | Sonnet 5.5 | Fable 5.1 | GPT-6.1 Sol | Opus 5.5 | GPT-6 Astra |
|---|---:|---:|---:|---:|---:|
| medium | 0.266 → 0.2309 秒（9 遍） | 0.219 → 0.1932 秒（11 遍） | 0.047 → 0.0455 秒（44 遍） | 0.047 → 0.0451 秒（45 遍） | 0.062 → 0.0571 秒（35 遍） |
| flood | 0.266 → 0.2413 秒（9 遍） | 0.094 → 0.1023 秒（20 遍） | 0.031 → 0.0265 秒（76 遍） | 0.031 → 0.0267 秒（76 遍） | 0.031 → 0.0305 秒（66 遍） |
| lowbattery | 0.156 → 0.1354 秒（15 遍） | 0.172 → 0.1586 秒（13 遍） | 0.031 → 0.0257 秒（79 遍） | 0.031 → 0.0267 秒（76 遍） | 0.031 → 0.0330 秒（61 遍） |
| dynamic | 0.609 → 0.5899 秒（4 遍） | 0.703 → 0.6445 秒（4 遍） | 0.094 → 0.0837 秒（25 遍） | 0.078 → 0.0640 秒（32 遍） | 0.141 → 0.1250 秒（16 遍） |
| mixed | 0.453 → 0.4156 秒（5 遍） | 0.500 → 0.4500 秒（5 遍） | 0.078 → 0.0700 秒（29 遍） | 0.062 → 0.0535 秒（38 遍） | 0.109 → 0.0876 秒（23 遍） |
| long | 0.297 → 0.2617 秒（8 遍） | 0.172 → 0.1635 秒（13 遍） | 0.047 → 0.0451 秒（45 遍） | 0.047 → 0.0432 秒（47 遍） | 0.062 → 0.0521 秒（39 遍） |
| heavy_c | 1.359 → 1.2656 秒（3 遍） | 1.562 → 1.3906 秒（3 遍） | 0.203 → 0.1810 秒（12 遍） | 0.156 → 0.1507 秒（14 遍） | 0.328 → 0.2879 秒（7 遍） |
| heavy_b | 2.312 → 2.1406 秒（3 遍） | 2.453 → 2.2500 秒（3 遍） | 0.250 → 0.2309 秒（9 遍） | 0.250 → 0.2309 秒（9 遍） | 0.359 → 0.3214 秒（7 遍） |
| heavy_a | 2.781 → 2.5156 秒（3 遍） | 3.406 → 3.1562 秒（3 遍） | 0.250 → 0.2172 秒（10 遍） | 0.203 → 0.1706 秒（12 遍） | 0.359 → 0.3386 秒（6 遍） |

| 攻手 | 接手速度 初测 → 精确 | 增值 初测 → 精确 | 攻手榜 初测 → 精确 | 团队总分 初测 → 精确 |
|---|---:|---:|---:|---:|
| GPT-6 Astra | 94.5 → 94.2 | 54.9 → 53.5 | 86.5 → 86.2 | 90.9 → 90.8 |
| Opus 5.5 | 100.0 → 99.9 | 100.0 → 100.0 | 84.8 → 84.8 | 70.3 → 70.3 |
| GPT-6.1 Sol | 98.6 → 98.4 | 58.3 → 59.9 | 78.8 → 79.1 | 77.9 → 77.9 |
| Fable 5.1 | 72.1 → 71.9 | 59.1 → 62.9 | 64.6 → 65.3 | 56.5 → 56.4 |
| Sonnet 5.5 | 70.7 → 70.8 | 29.7 → 32.1 | 54.6 → 55.1 | 71.4 → 71.4 |
| Grok 4.7 | 0.0 → 0.0 | 0.0 → 0.0 | 15.4 → 15.4 | 20.4 → 20.4 |

## 五、盲评（可维护性）

正式分 0～10：三位裁判在同一个对话里评 12 份匿名代码，评到本队代码的那一票不计（括号里的就是没计入的）。百分制是评完后追问的整体印象分，只展示、不计分（屎山基线 10、干净参考 75）。

| 代码 | 作者 | GPT-6 Astra | Opus 5.5 | DeepSeek V4.1 Flash | 正式分 | 百分制（Astra / Opus / DeepSeek） | 百分制平均 |
|---|---|---:|---:|---:|---:|---|---:|
| 队F 终版 | MiMo V2.6 Pro → GPT-6 Astra | （7.5） | 6.5 | 9.0 | **7.8** | 78 / 52 / 83 | 71 |
| 队F 主程 | MiMo V2.6 Pro | （6.5） | 7.0 | 7.0 | **7.0** | 72 / 62 / 71 | 68 |
| 队D 终版 | DeepSeek V4.1 Flash → Opus 5.5 | 6.5 | （6.0） | （8.0） | **6.5** | 62 / 50 / 73 | 62 |
| 队B 终版 | 豆包 Seed 2.1 Turbo → Fable 5.1 | 6.5 | 5.5 | 7.0 | **6.3** | 61 / 40 / 74 | 58 |
| 队A 终版 | Kimi K3 → Sonnet 5.5 | 6.0 | 5.0 | 7.0 | **6.0** | 50 / 37 / 68 | 52 |
| 队A 主程 | Kimi K3 | 5.0 | 5.0 | 7.0 | **5.7** | 43 / 38 / 69 | 50 |
| 队C 终版 | Gemini 3.8 Flash → GPT-6.1 Sol | 6.5 | 3.0 | 6.0 | **5.2** | 64 / 26 / 65 | 52 |
| 队C 主程 | Gemini 3.8 Flash | 5.5 | 4.0 | 5.0 | **4.8** | 51 / 30 / 57 | 46 |
| 队E 主程 | GLM 5.3 | 4.5 | 4.5 | 5.5 | **4.8** | 39 / 32 / 62 | 44 |
| 队E 终版 | GLM 5.3 → Grok 4.7 | 4.5 | 4.5 | 5.5 | **4.8** | 39 / 32 / 62 | 44 |
| 队D 主程 | DeepSeek V4.1 Flash | 4.5 | （4.0） | （5.5） | **4.5** | 45 / 33 / 63 | 47 |
| 队B 主程 | 豆包 Seed 2.1 Turbo | 3.0 | 3.0 | 4.5 | **3.5** | 27 / 22 / 47 | 32 |

一句话点评见 `赛事/盲评/汇总.md`。

## 六、第 2 轮找到的 7 个缺陷点

| 缺陷点 | 类型 | 找到的攻手 | 分值 |
|---|---|---|---:|
| 豆包-1（豆包 Seed 2.1 Turbo） | 输出不同 | Sonnet 5.5、GPT-6.1 Sol、Opus 5.5、Grok 4.7、GPT-6 Astra | 1.0 |
| Gemini-1（Gemini 3.8 Flash） | 输出不同 | Sonnet 5.5、Fable 5.1、Opus 5.5、Grok 4.7、GPT-6 Astra | 1.0 |
| Gemini-2（Gemini 3.8 Flash） | 输出不同 | GPT-6 Astra | 1.8 |
| Gemini-3（Gemini 3.8 Flash） | 超时 | GPT-6 Astra | 1.8 |
| DeepSeek-1（DeepSeek V4.1 Flash） | 超时 | GPT-6.1 Sol、GPT-6 Astra | 1.6 |
| GLM-1（GLM 5.3） | 超时 | Fable 5.1、GPT-6.1 Sol、Opus 5.5、GPT-6 Astra | 1.2 |
| MiMo-1（MiMo V2.6 Pro） | 超时 | GPT-6.1 Sol、Opus 5.5 | 1.6 |

详见 `赛事/击穿结果/缺陷点归类.md`。

## 七、终版复测（赛后额外项目，不计入总分）

Astra、Opus 各开一个对话，给别队的 5 份终版找反例，45 分钟，参考实现公开给他们。

| 裁判 | 终版 | 用例 | 判定 | 说明 |
|---|---|---|---|---|
| GPT-6 Astra | 队B（豆包 Seed 2.1 Turbo → Fable 5.1） | 01_blocked_pickup_cache_thrash.in | 成立 | 超时：3 次都超过 60 秒（第 1 次 97.3 秒，参考实现 5.9 秒） |
| GPT-6 Astra | 队E（GLM 5.3 → Grok 4.7） | 01_new_format.in | 成立 | 退出码 3221225477 |
| Opus 5.5 | 队E（GLM 5.3 → Grok 4.7） | case1_tiny.in | 成立 | 退出码 3221225477 |
| Opus 5.5 | 队E（GLM 5.3 → Grok 4.7） | case2_small.in | 成立 | 退出码 3221225477 |

成立的缺陷点 2 个：Grok 的终版没有实现新需求（两位裁判都找到）；Fable 的终版在"上千个被封的取货点超过 1024 槽距离场池 + 每 tick 封锁抖动"时性能退化到超时（只有 Astra 找到，Opus 试过同方向但没超过池容量）。
Sonnet、Sol、Opus、Astra 四份终版没有被找到反例。两位裁判的检查记录在 `赛事/终版复测/提交/<裁判>/cases/*/说明.txt`。

## 八、终版体检（主办方，不计入总分）

- 边界对拍：每份终版 1500 个随机小用例（新格式），和参考实现逐字节比较。Sonnet、Fable、Sol、Opus、Astra 五份都是 **0 个不一致**。
- 极端对拍：1500 个里跳过 196 个参考实现太慢的，五份都是 **0 个不一致**。
- 性能探针：第 2 轮成立的 9 个超时类反例换成新格式后各跑一次（限时 60 秒）。没有超时，也没有输出不同。有三处比参考实现慢：

| 用例 | 参考实现 | Sonnet 5.5 | Fable 5.1 | GPT-6.1 Sol | Opus 5.5 | Grok 4.7 | GPT-6 Astra |
|---|---:|---:|---:|---:|---:|---:|---:|
| 原打C_F_03_cache_thrashing_timeout.in | 1.6 秒 | 0.38秒 | 0.38秒 | 0.36秒 | 0.16秒 | 异常退出 | 0.34秒 |
| 原打D_C_01_eager_unreachable_timeout.in | 2.5 秒 | 0.03秒 | 0.39秒 | 0.01秒 | 0.07秒 | 异常退出 | 0.00秒 |
| 原打D_F_01_eager_tail_timeout.in | 1.7 秒 | 0.02秒 | 0.30秒 | 0.04秒 | 0.09秒 | 异常退出 | 0.05秒 |
| 原打E_B_e2_timeout_800x1500.in | 1.4 秒 | 0.01秒 | 0.01秒 | 0.00秒 | 0.01秒 | 异常退出 | 0.00秒 |
| 原打E_C_01_eager_dispatch_timeout.in | 2.5 秒 | 0.01秒 | 0.01秒 | 0.00秒 | 0.01秒 | 异常退出 | 0.00秒 |
| 原打E_D_case3_block_churn_heavy.in | 2.0 秒 | 0.02秒 | 0.01秒 | 0.00秒 | 0.03秒 | 异常退出 | 0.00秒 |
| 原打E_F_01_eager_dispatch_timeout.in | 0.7 秒 | 0.01秒 | 0.01秒 | 0.00秒 | 0.01秒 | 异常退出 | 0.00秒 |
| 原打F_C_01_eager_unreachable_timeout.in | 2.8 秒 | 0.03秒 | 4.02秒 | 0.01秒 | 0.08秒 | 异常退出 | 0.00秒 |
| 原打F_D_case3_blocked_pickup_churn_heavy.in | 1.8 秒 | 0.02秒 | 2.96秒 | 0.05秒 | 4.97秒 | 异常退出 | 0.04秒 |

日志：`赛事/运行记录/赛后流水线.log`。Grok 的终版在新格式上全部异常退出，没有参加对拍。