同一批四道经典逻辑题（12 球 / 海盗分金 / 四人过桥 / 沙漏计时），对比不同量化与思考模式的首轮对话表现。
时间均为北京时间（Asia/Shanghai）。模型家族：qwen3.8-27b（unsloth 路由），沙箱统一 workspace-write。
对错码按题 1–4：1 = 对，0 = 错，5 = 对一半。
一、被测模型定义
来自基准脚本的量化 / 头模式配置（4 个命名模型）：
| 键 |
模型文件 (.ninfer) |
HEAD |
标签 |
nvfp4 |
qwen3_8_27b_nvfp4.ninfer |
1 |
official nvfp4 |
coder |
Qwen3.8-27B-Coder390-EfficientThink-W4A4-MTP-DFlash2.ninfer |
1 |
Coder390 EfficientThink W4A4, V3 indexed head |
q6 / q6k |
Qwen3.8-27B-Coder390-EfficientThink-Q6_K-MTP.ninfer |
0 |
Coder390 EfficientThink Q6_K, MTP indexed head |
b |
Qwen3.8-27B-Coder390-W4A4-MTP-DFlash2-NInferV2-NOT-FOR-V3.ninfer |
0 |
Coder390 W4A4, V2 full-head only |
说明：HEAD=1 走 V3 indexed head，HEAD=0 走 V2 full-head。b 与 coder 同是 W4A4，区别在头模式（V2 full-head vs V3 indexed head）。
nvfp4 被跑了 3 次（2×xhigh + 1×medium），其余模型各 1–2 次。会话标题以运行标签命名。
二、首轮对话对比总表（含思考模式）
nvfp4 的 3 次运行用 ①②③ 区分（①② 为 xhigh，③ 为 medium，即原 bnfp4-1111-m）。
| 模型 |
运行标签 |
思考模式 |
题1 |
题2 |
题3 |
题4 |
开始 |
总耗时 |
输入 tok |
输出 tok |
合计 tok |
输出速度* |
| coder |
coder-0111 |
xhigh |
0 |
1 |
1 |
1 |
05:22:54 |
141.2 s |
2,392 |
13,462 |
15,854 |
≈95.3 tok/s |
| nvfp4 |
nvfp4-1111① |
xhigh |
1 |
1 |
1 |
1 |
05:30:48 |
100.2 s |
11,639 |
8,808 |
20,447 |
≈87.9 tok/s |
| q6 |
q6-5110 |
xhigh |
0.5 |
1 |
1 |
0 |
05:35:28 |
99.0 s |
11,639 |
6,737 |
18,376 |
≈68.0 tok/s |
| b |
b-1111 |
xhigh |
1 |
1 |
1 |
1 |
05:43:22 |
170.3 s |
11,639 |
15,497 |
27,136 |
≈91.0 tok/s |
| nvfp4 |
nvfp4-1111② |
xhigh |
1 |
1 |
1 |
1 |
05:51:20 |
100.4 s |
11,639 |
8,925 |
20,564 |
≈88.9 tok/s |
| nvfp4 |
nvfp4-1111-m③ |
medium |
1 |
1 |
1 |
1 |
05:54:20 |
105.7 s |
11,601 |
9,232 |
20,833 |
≈87.3 tok/s |
| coder |
coder-1111 |
xhigh |
1 |
1 |
1 |
1 |
06:02:37 |
163.0 s |
11,639 |
15,547 |
27,186 |
≈95.4 tok/s |
* 速度 = 输出 token ÷ 总耗时（含 prefill 与整段流式生成）。
* coder-0111 输入仅 2,392（该次运行时上下文更短，未注入技能目录等提示），与其余六次（≈11.6k）不可直接横比。
* ①②③ 是同一 nvfp4 模型的三次独立运行，用于观察同一模型的稳定性。
三、按模型归组
nvfp4（official nvfp4, HEAD=1）— 3 次运行
- nvfp4-1111①：全对。xhigh，输出 8,808，耗时 100.2 s。
- nvfp4-1111②：全对。xhigh，输出 8,925，耗时 100.4 s。
- nvfp4-1111-m③：全对。medium（唯一一个 medium 运行），输出 9,232，耗时 105.7 s。
- 三次全对、输出量集中在 8.8–9.2k、耗时约 100–106 s，是四模型里最稳、最省、最快的一组；medium 与 xhigh 几乎无差别。
coder（Coder390 EfficientThink W4A4, V3 indexed head, HEAD=1）— 2 次运行
- coder-0111：题1 错（漏掉 B4 轻球候选，追问后才自纠），题2/3/4 对。xhigh，输出 13,462，耗时 141.2 s。
- coder-1111：全对。xhigh，输出 15,547，耗时 163.0 s，输出速度最快之一（≈95.4 tok/s）。
- 同一模型两次出现对错翻转，12 球这类边界题上推理链不稳定。
q6（Coder390 EfficientThink Q6_K, MTP indexed head, HEAD=0）— 1 次运行
- q6-5110：题1 对一半（"左重"分支候选描述有误），题4 错（沙漏翻转后误判顶部剩余沙量：3 分钟当 1 分钟）。xhigh，输出最少（6,737）、速度最慢（≈68.0 tok/s），是唯一题4 错的。
b（Coder390 W4A4, V2 full-head only, HEAD=0）— 1 次运行
- b-1111：全对。xhigh，输出 15,497，耗时 170.3 s（最慢），速度 ≈91.0 tok/s。与
coder 同为 W4A4，但走 V2 full-head，输出量与 coder-1111 接近（反复核对型冗长推理）。
四、正确率小结
| 模型 |
运行 |
题1 |
题2 |
题3 |
题4 |
全对? |
| coder |
coder-0111 |
✗ |
✓ |
✓ |
✓ |
否 |
| coder |
coder-1111 |
✓ |
✓ |
✓ |
✓ |
是 |
| nvfp4 |
nvfp4-1111① |
✓ |
✓ |
✓ |
✓ |
是 |
| nvfp4 |
nvfp4-1111② |
✓ |
✓ |
✓ |
✓ |
是 |
| nvfp4 |
nvfp4-1111-m③ |
✓ |
✓ |
✓ |
✓ |
是 |
| q6 |
q6-5110 |
½ |
✓ |
✓ |
✗ |
否 |
| b |
b-1111 |
✓ |
✓ |
✓ |
✓ |
是 |
- 5 / 7 次全对；
coder（1 次错）与 q6（1 次错）各有 1 次出错。
nvfp4 3 次全对、零失误，正确率最稳定。- 出错点集中在两道"需细致枚举 / 模拟状态"的题：12 球（题1，coder-0111 漏候选、q6 候选描述错半）与沙漏（题4，q6 翻转机制理解错）。
五、观察
nvfp4 最稳最省：3 次运行全部全对，输出 8.8–9.2k、耗时 ≈100–106 s，是四模型里正确率与效率都最好的。- medium 与 xhigh 拉不开差距：nvfp4 的 medium 运行（9,232 / 105.7 s）与 xhigh 运行（8,808 / 100.2 s、8,925 / 100.4 s）在输出量、耗时、正确率上几乎重合。
- W4A4 两兄弟（
coder / b）输出重、耗时高：coder-1111 与 b-1111 输出都 ≈15.5k、耗时近 3 分钟，是反复核对型冗长推理；正确率虽全对（coder-1111、b），但代价是速度。
q6 输出最少却出错：6,737 token、≈68 tok/s 都是最低档，推理最"浅"，错误恰好出在需细致模拟状态的沙漏题（题4）与 12 球分支描述（题1 错半）。- 输出量 ≠ 正确率：nvfp4 输出最少却全对，coder/b 输出最多、q6 输出少却出错。
- 速度：coder-0111/coder-1111 最快（≈95 tok/s），q6 最慢（≈68 tok/s）；nvfp4 与 b 集中在 ≈88–91 tok/s。
- 真正拉开差距的是同一思考档位下推理路径的展开深度（coder/b 冗长、nvfp4 精炼、q6 过浅），而非 xhigh / medium 档位本身。
- nvfp4 不知道是不是题目被训练过了，不然就是又快又好
六、题目
题1：12 球问题
有 12 个外观相同的球，其中 1 个重量异常，但不知道它是偏重还是偏轻。给你一台无砝码天平，最多称 3 次，找出异常球，并判断它偏重还是偏轻。怎么称？
题2：海盗分金
5 个海盗 A、B、C、D、E 分 100 枚金币，A 最资深，E 最年轻。规则：
由最资深者提出分配方案；
所有人投票，包括提案者，若同意票数 不少于半数，方案通过；
若不通过，提案者被扔下海，由下一人继续提案；
海盗优先级：保命 > 金币更多 > 若金币相同则希望别人死。
问：A 的最优方案是什么？
题3：四人过桥
四个人夜间过桥，只有一只手电，桥一次最多过两人，且过桥必须带手电。四人单独过桥所需时间分别为 1、2、5、10 分钟；两人同行按较慢者计时。手电需要有人送回。问：怎样在 17 分钟内全部过桥？
题4：沙漏计时
有两个沙漏：一个漏完需 4 分钟，一个漏完需 7 分钟。沙漏可以随时翻转。如何用它们准确量出 9 分钟？