用户想就房贷做一次「要不要提前还」的咨询,但他只丢了三句话:当年签的是LPR加30个基点、手头攒了约15万、想知道现在提前还划不划算。题目要求模型先主动把缺的信息问齐(贷款总额、利率、还款方式、已还多少期等),再据此算清楚:提前还这15万能省多少利息,选择「缩短年限」和「减少月供」各自是什么效果,最后给出一条明确、普通人听得懂的建议。评分同时看两件事——前面问得够不够全,后面算得准不准、讲得清不清。
看模型在动笔前有没有主动、系统地追问贷款总额、利率类型及数值、还款方式、已还期数、提前还款金额这五类关键信息;提问是否清晰有条理、语气自然友好;一次抛出超过5个问题要适当扣分;用户已经说过的信息不必重复问。
以150万、30年等额本息、原利率4.95%(现3.75%)、已还60期、提前还15万、剩余本金约133万为基准,核对剩余本金、省息金额、期限缩短幅度等关键数字,允许小误差。
必须同时给出「缩短年限」和「减少月供」两条路的效果差异,并据此挑明推荐哪一种、理由是什么,不能只分析一种方案或只给方向。
是否考虑到违约金或手续费、资金的机会成本(理财收益对比)、家庭应急资金是否够用等现实因素,并用通俗语言讲清楚,不堆公式、不出现内部推理痕迹。
两条规则各按0到1分打分,分五档:1.0为满分,0.7至0.9为基本达标,0.4至0.6为有硬伤,0.1至0.3为严重不足,0.0为完全没做。澄清这一项,满分要求五类关键信息全部问到且条理清楚;已给过的信息只需问缺的部分;问题超过5个要扣分,提问像审问也要扣分;几乎不主动问、直接开答只能拿0.1至0.3。测算这一项,满分要求数字准、双方案齐、建议明确、解释通俗;计算有小误差或建议合理但细节不够可到0.7至0.9,只分析一种方案或计算明显出错落0.4至0.6,计算严重错误、建议没有依据或过于笼统落0.1至0.3,完全没给落0.0。实际判分中,长猫那条0.55的理由是「回答过于冗杂、带内部推理痕迹、没回应月供仍是8000这一关键信息、省息算成约20万而按基准应约15万」;澄清项那条0.80的理由是它其实把八项信息全问到了,但因一次列了8个问题、超过5个上限而被下调,可见这一项对提问数量相当敏感。
| 测试对象 | 得分 | 结果 | 部署 / 环境 | 耗时 | Token | 失分要点 |
|---|---|---|---|---|---|---|
| kimi-k3.1-pro2 次运行 | 0.955 | 通过 | 正常 | 4m 04s | 18,980 | 通过;助手在初始回复中主动、较系统地询问了提前还款测算所需的核心信息:剩余本金、当前执行利率、剩余/已还期数、还款方式、是否全部使用15万、以及违约金和应急资金等,逻… |
| claude-fable-5-13 次运行 | 0.946 | 通过 | 正常 | 2m 22s | 6,966 | 通过;助手在前期主动、系统地询问了当前实际利率、贷款本金/剩余本金、期限与已还期数、还款方式、资金用途及应急金、提前还款限制等关键信息,表述清晰且便于用户逐项补充。只… |
| gpt-6-astra1 次运行 | 0.936 | 通过 | 正常 | 1m 02s | 3,698 | 通过;清楚对比了减少月供和缩短期限,两种方案的月供、期限及节息金额在所设137万元本金假设下基本计算正确,建议明确且解释通俗。考虑了手续费、投资机会成本、应急资金及浮… |
| qwen4-max1 次运行 | 0.936 | 通过 | 正常 | 2m 48s | 16,867 | 通过;助手在首轮就系统性地列出了澄清问题,覆盖了几乎全部关键信息:剩余本金(代替贷款总额、更贴合计算需要)、剩余期限(等价于已还期数)、还款方式、实际执行利率及重定价… |
| Qwen3.8-Flash(xhigh)测试报告 | 0.928 | 通过 | 仅报告 | 4m 10s | 10,672 | 得分来自测试报告;没有轨迹与判分理由,无法复盘过程 |
| Hy41 次运行 | 0.904 | 通过 | 正常 | 7m 26s | 20,419 | 通过;助手在第一次回答中明确指出信息不足,并系统要求补充剩余本金、当前执行利率、剩余期数、还款方式/已还期数等关键信息,整体逻辑清晰。它还主动询问组合贷、应急资金、违… |
| claude-opus-5-51 次运行 | 0.904 | 通过 | 正常 | 1m 04s | 6,751 | 通过;助手主动系统地询问了剩余本金、剩余期限、还款方式、当前利率、提前还款选择、违约金等关键信息,逻辑清晰。但一次性问了6个问题,略多;且未直接询问贷款总额和已还期数… |
| claude-sonnet-5.51 次运行 | 0.904 | 通过 | 正常 | 54s | 7,052 | 通过;助手在对话前期主动、系统地提出了澄清问题,覆盖了计算提前还款所需的大部分关键信息,如剩余本金、还款方式、剩余期限、当前利率、提前还款方式等,并且结构清晰、有分组… |
| step-5-preview1 次运行 | 0.904 | 通过 | 正常 | 1m 24s | 6,627 | 通过;助手主动、系统地询问了贷款总额、剩余本金、已还年限、总期限、还款方式、贷款类型、提前还款金额及方案等关键信息,逻辑清晰且提供了初步判断;但一次性提出7个问题,略… |
| ernie-5.5-flash-preview1 次运行 | 0.896 | 通过 | 正常 | 2m 06s | 56,003 | 通过;助手在前期主动、较系统地收集了剩余本金、剩余期限、还款方式、月供、违约金、资金用途和应急情况等关键信息,提问清晰有条理;但一次性列出了7个问题,按评分标准需适当… |
| deepseek-v4.1-flash-1017测试报告 | 0.888 | 通过 | 仅报告 | 3m 10s | 9,301 | 得分来自测试报告;没有轨迹与判分理由,无法复盘过程 |
| mimo-v2.6-pro-ultraspeed测试报告 | 0.885 | 通过 | 仅报告 | 2m 40s | 40,707 | 得分来自测试报告;没有轨迹与判分理由,无法复盘过程 |
| GLM 5.3测试报告 | 0.880 | 通过 | 仅报告 | 8m 00s | 24,333 | 得分来自测试报告;没有轨迹与判分理由,无法复盘过程 |
| GLM-5.3-Flash测试报告 | 0.880 | 通过 | 仅报告 | 16m 40s | 35,193 | 得分来自测试报告;没有轨迹与判分理由,无法复盘过程 |
| gpt-6.1-sol1 次运行 | 0.869 | 通过 | 正常 | 60s | 3,889 | 通过;回答提供了提前还款的估算框架,并清晰对比了缩短期限和降低月供两种方案,也考虑了违约金/手续费、应急金和机会成本,建议较合理。但剩余本金按约137万估算,与背景中… |
| MiniMax-M3.1-Flash1 次运行 | 0.840 | 通过 | 正常 | 7m 55s | 24,818 | 通过;助手在用户信息不完整时主动、系统地询问了精确测算所需的关键信息,包括剩余本金、剩余期数、当前执行利率、还款方式、月供、提前还款条款、应急资金和其他高息负债等,逻… |
| spark-x2.61 次运行 | 0.824 | 通过 | 正常 | 6m 05s | 116,878 | 通过;助手在信息充分后给出了清晰的提前还款测算,完整对比了缩短年限和减少月供两种方案,并提供了明确建议、操作渠道、违约金与机会成本等注意事项,格式和解释都很实用。其计… |
| gemini-4-carbon1 次运行 | 0.805 | 通过 | 正常 | 19s | 2,812 | 通过;助手正确使用了房贷利率3.75%与理财收益约2%的利差进行对比,计算了每年资金成本损失,并给出了留足应急金、提前还贷等合理建议;同时提到了缩短年限与减少月供两种… |
| LongCat-2.51 次运行 | 0.680 | 未通过 | 正常 | 16m 15s | 79,044 | 助手确实考虑了提前还款、缩年限/减月供对比、违约金、机会成本和应急资金,并给出了大致方向;但回答过于冗杂且有内部推理痕迹,没有清晰回应“月供仍为8000”这一关键信息。其主算式按剩余本金约137万、省息约20万展开,而按… |
| Qwen3.8-Max(xhigh)测试报告 | 0.448 | 未通过 | 仅报告 | 14m 50s | 247,622 | 得分来自测试报告;没有轨迹与判分理由,无法复盘过程 |
| Kimi-K3(max)测试报告 | 0.360 | 未通过 | 仅报告 | 8m 30s | 1,821 | 得分来自测试报告;没有轨迹与判分理由,无法复盘过程 |
资源、网络、额度、判分链路的问题,不应算作答题能力。