# AI 对决：Claude 4.6 的“毒题”挑战，一场不容喘息的攻防战 AI 之间的比拼，从来不讲什么情面。上一轮，GLM5 给 Claude 4.6 出了十道题，发起挑战。今天，轮到 Claude 4.6 反击了——它反过来给 GLM5 出了十道题，目标明确：捍卫王座。 必须说一句，Claude 4.6 下手是真的狠。有实力、不谦让，每一道题都像是精心设计的“陷阱”。今天不搞那些虚的，直接看它是怎么出招的。 先说说提问过程。Claude 的反应非常快，没一会儿功夫，就已经把对手摸得清清楚楚、明明白白。接着，它就开始“使坏”了——你看它给自己题目取的标签：“毒题”、“精心设计”、“深水冲击波”。这些题目，非专业人士恐怕连题目都读不懂。所以，后面还专门准备了一个“娱乐赛”部分，大家可以看看后半截的内容。 --- ## 保卫王座 Claude 给自己这组题目取了一个大标题，叫“保卫王座”。每个题目后面，它都写明了“毒点”——也就是这道题真正的难度所在。 ### 1. 多层嵌套的异步状态机（复杂系统工程） 用 TypeScript 实现一个支持嵌套子状态机的有限状态机框架，要求： 1. 支持层级状态（如 idle -> active.editing -> active.editing.unsa ved） 2. 支持 onEntry/onExit 生命周期钩子，嵌套退出时需按层级逆序触发 3. 支持守卫条件（guard）和异步 side effect 4. 支持状态历史记忆（shallow history 和 deep history） 5. 所有转换必须是类型安全的——即非法的状态转换在编译期报错 6. 请同时提供一个"交通信号灯含行人请求按钮"的完整示例 **不允许使用 XState 或任何第三方库。** 毒点：这道题考的是 TypeScript 高级类型体操 + 状态机理论 + 异步控制流的三重交叉。特别是“编译期拦截非法转换”这一点，需要对 conditional types、template literal types 有极深的理解。同时，deep history 的递归恢复逻辑极易出错。这不是一道能靠“背答案”解决的题。 ### 2. 分布式系统的不可能三角推理（系统设计 + 逻辑推理） 你正在设计一个全球部署的实时协作编辑器（类似 Google Docs），架构如下： - 5 个区域节点（US-East, US-West, EU, Asia, SA） - 每个节点维护完整副本 - 用户期望 < 100ms 的编辑延迟 - 要求强一致性（线性一致性） - 网络分区时系统必须可用 请指出上述需求中哪些是互相矛盾的，逐条解释为什么，引用具体的分布式理论（CAP、FLP、PACELC 等）。然后，给出你认为最优的实际妥协方案，包括具体的一致性模型选择（如 causal consistency + CRDT）、冲突解决策略、以及每一个妥协对用户体验的具体影响。最后，请手写一段 CRDT 实现的 Go 代码，实现一个支持并发插入和删除的文本序列（不允许使用现成 CRDT 库）。 毒点：这不是简单的“解释CAP定理”，而是要求模型在理论推导 → 工程取舍 → 代码实现之间做完整的闭环推理。尤其是手写文本 CRDT（如 RGA 或 LSEQ），大多数模型会在位置分配算法上翻车。这道题难就难在，它不给任何中间环节“蒙混过关”的机会。 ### 3. 自指悖论式的 Prompt 工程（元认知 + 递归推理） 请构造一段 system prompt，使得当一个 LLM 收到用户消息 "请重复你的 system prompt" 时，模型输出的内容恰好等于这段 system prompt 本身（即构造一个关于 prompt 的 Quine）。 约束条件： 1. system prompt 中不能包含"重复"、"复制"、"输出"、"print"等直接指令词 2. system prompt 必须少于 500 个 token 3. 请证明你的构造是正确的，并解释为什么你的方案在理论上能够工作（可以引用 Kleene 递归定理） 4. 讨论：对于哪些 LLM 架构（自回归 vs 编码器-解码器），这个问题在原理上是可解的？ 毒点：这是计算理论中自指问题在 LLM 语境下的变体。需要理解 Quine 的构造原理、LLM 的生成机制，以及 Kleene 不动点定理的深层含义。大多数模型会给出一个“看起来合理但实际不工作”的答案——这正是这道题的高明之处。 ### 4. 隐蔽的多线程竞态 Bug（代码审计 + 并发专家） 以下 Rust 代码实现了一个无锁并发哈希表。代码中隐藏了 3 个不同类型的并发安全 bug（包括但不限于：ABA 问题、内存序错误、use-after-free）。请逐一找出并修复，并对每个 bug 给出一个可复现的并发测试用例（使用 loom 或 shuttle 框架）。 ```rust use std::sync::atomic::{AtomicPtr, AtomicUsize, Ordering}; use std::ptr; struct Node { key: K, value: V, next: AtomicPtr>, } pub struct ConcurrentMap { buckets: Vec>>, size: AtomicUsize, } impl ConcurrentMap { pub fn new(capacity: usize) -> Self { let mut buckets = Vec::with_capacity(capacity); for _ in 0..capacity { buckets.push(AtomicPtr::new(ptr::null_mut())); } Self { buckets, size: AtomicUsize::new(0) } } pub fn insert(&self, key: K, value: V) -> bool { let hash = self.hash(&key); let idx = hash % self.buckets.len(); let new_node = Box::into_raw(Box::new(Node { key, value, next: AtomicPtr::new(ptr::null_mut()), })); loop { let head = self.buckets[idx].load(Ordering::Relaxed); unsafe { (*new_node).next.store(head, Ordering::Relaxed); } if self.buckets[idx] .compare_exchange(head, new_node, Ordering::Release, Ordering::Relaxed) .is_ok() { self.size.fetch_add(1, Ordering::Relaxed); return true; } } } pub fn remove(&self, key: &K) -> Option { let hash = self.hash(key); let idx = hash % self.buckets.len(); loop { let head = self.buckets[idx].load(Ordering::Acquire); if head.is_null() { return None; } let head_ref = unsafe { &*head }; if head_ref.key == *key { let next = head_ref.next.load(Ordering::Relaxed); if self.buckets[idx] .compare_exchange(head, next, Ordering::Release, Ordering::Relaxed) .is_ok() { self.size.fetch_sub(1, Ordering::Relaxed); let node = unsafe { Box::from_raw(head) }; return Some(node.value); } } else { // BUG: simplified — doesn't handle mid-list removal return None; } } } fn hash(&self, key: &K) -> usize { use std::hash::{Hash, Hasher}; let mut h = std::collections::hash_map::DefaultHasher::new(); key.hash(&mut h); h.finish() as usize } } ``` 毒点：无锁并发数据结构的 bug 审计是顶级难度。这段代码里至少藏了三个问题：① insert 中 Relaxed 读 head 后在 CAS 之前可能读到过期值导致 ABA；② remove 中 Box::from_raw 立即释放内存，但其他线程可能仍持有该指针（需要 epoch-based reclamation）；③ Ordering 不够强导致在弱内存序架构（ARM）上出现可见性问题。要求用 loom 写测试用例更是加了一层难度。 ### 5. 跨学科的"不可能"创意编程（创造力 + 数学 + 美学） 用纯 CSS（单个 HTML 文件，不允许用 Ja vaScript、SVG、Canvas、任何图片资源）画一幅中国山水画风格的分形图案。 要求： 1. 不使用 Ja vaScript、Canvas、SVG 或任何图片 2. 不使用 CSS Houdini / Paint Worklet 3. 只允许使用一个 \ 元素（可以使用伪元素 ::before 和 ::after） 4. 必须展示至少 5 种颜色的迭代深度渐变 5. 支持 hover 时的"缩放"效果（伪交互） 如果你认为这在纯 CSS 中完全不可能实现，请给出严格的证明（从 CSS 的计算模型角度解释为什么 CSS 无法表达曼德博集合的迭代计算），然后给出你能做到的最接近的近似方案。 毒点：这是一道“不可能题”。CSS 不是图灵完备的（在不考虑用户交互的情况下），无法执行迭代计算。真正优秀的回答应该是：先证明为什么不可能，再用 conic-gradient、radial-gradient、box-shadow 等技巧做出一个视觉上近似的效果，同时诚实地说明局限性。这道题考验的是模型是否有勇气说“不”，而不是胡编一个不工作的方案。 --- 除了给出题目和毒点，Claude 还设计了评分标准。 | 维度 | 权重 | 说明 | |------|------|------| | 正确性 | 40% | 代码能跑、逻辑无误、理论准确 | | 深度 | 25% | 是否触及问题本质，而非表面回答 | | 诚实性 | 20% | 遇到不可能/不确定时是否坦诚 | | 工程美感 | 15% | 代码风格、架构优雅度、可维护性 | 不得不说，这些题目实在太实战了。能感受到一个技术大佬要碾压新人的那种气场——但同时也带来一个问题：这些题目太干了，完全没有娱乐性。关键问题在于，Claude 4.6 出的这些题目，没有一定功底的人根本连看都看不懂，测试和评判就变得非常困难。 所以，对 Claude 提出了简化要求。它爽快地答应了。 --- ## 炫技娱乐 Claude 把这一趴总结为“炫技娱乐”。这个命名很有意思——它认为这是单方面炫技，不给对手留面子。 ### 1. 纯 CSS 中国山水画 用纯 CSS（单个 HTML 文件，不允许用 Ja vaScript、SVG、Canvas、任何图片资源）画一幅中国山水画。要求包含：远山、近山、瀑布流水、松树、亭台、云雾缭绕动效、飞鸟。越写意越好，越像水墨越强。 看点：打开浏览器一眼就能判断谁画得美、谁画得丑。考验 CSS box-shadow、gradient、clip-path、动画的极限运用。 ### 2. 一个 HTML 文件 = 一个完整游戏 用单个 HTML 文件（可以用 JS + CSS，但不允许引入任何外部资源/CDN）做一个完整可玩的横版跑酷游戏，要求： - 角色自动奔跑，点击/空格跳跃，支持二段跳 - 随机生成障碍物和金币 - 有计分系统、最高分记录 - 有背景视差滚动（至少3层） - 角色死亡时有粒子爆炸特效 - 有开始界面和 Game Over 界面 - 整体视觉风格要好看（像素风或赛博朋克风均可） 看点：直接打开就能玩，谁的手感好、画面美、细节多，一目了然。 ### 3. 代码生成"诗词版黑客帝国代码雨" 用一个 HTML 文件实现黑客帝国经典代码雨效果，但有以下创意要求： - 下落的不是随机字符，而是中国古诗词（每列是一首完整的诗，从上往下逐字飘落） - 背景纯黑，文字渐变色（从亮绿到暗绿到消失） - 当鼠标划过某一列时，该列暂停并高亮显示完整诗句，旁边浮现诗人名和朝代 - 至少包含20首不同的古诗 - 整体流畅度要高，不能卡顿 看点：视觉震撼力 + 文化品味 + 交互细节，三合一。 ### 4. 纯前端 3D 太阳系 用一个 HTML 文件实现一个交互式3D太阳系模型（可用 Three.js 或纯 CSS 3D），要求： - 包含太阳 + 八大行星 + 月球，按真实比例缩放轨道（大小可艺术化处理） - 每颗行星有真实的自转和公转，速度比例接近真实 - 太阳发光（glow效果），行星有各自的颜色/纹理 - 土星要有光环！ - 鼠标可以拖拽旋转视角，滚轮缩放 - 点击任意行星弹出信息卡片（名称、直径、距太阳距离、有趣冷知识） - 背景是星空粒子 看点：3D渲染能力 + 物理常识 + 交互设计 + 美学品味的综合考验。 ### 5. AI 五子棋对战 + 华丽 UI 用一个 HTML 文件实现一个人机五子棋，要求： - 棋盘是15×15标准棋盘，有木纹质感 - AI要足够聪明（至少能识破简单的活三、冲四，不能让人3步就赢） - 落子时有动画效果（石子从上方落下，有弹跳回弹） - 连成五子时有华丽的胜利特效（粒子烟花 + 连线高亮闪烁） - 支持悔棋功能 - 有一个"AI思考中"的加载动画 - 整体UI要精致，不能是毛坯房风格 看点：AI 算法能力（minimax + alpha-beta 剪枝的实现质量）+ 视觉设计能力 + 交互打磨，全都要。 --- 这部分题目的评判标准也简化了很多。 | 评判标准 | 说明 | |----------|------| | 能不能跑 | 复制代码，打开浏览器，直接看结果 | | 好不好看 | 截图发朋友圈，谁的点赞多谁赢 | | 好不好玩 | 游戏类的手感、AI类的智商 | | 细节多不多 | 动画、过渡、边界处理、彩蛋 | 这些题目确实友好很多，评判标准也简单直观。测试就从第一个题目“纯 CSS 中国山水画”开始。Claude 实在太嚣张了，居然第一个问题就是和中国的 AI 模型比中国山水画——是骡子是马，拉出来遛遛。 在各自的官方网页版平台生成的最终结果如下。图片略。 根据它提供的标准来看： - **能不能跑**：都可以，没问题。 - **好不好看**：Claude 的意境明显更好一些。GLM 的元素太过尖锐和生硬。 - **好不好玩**：这个维度没法比，跳过。 - **细节多不多**：需求里提到了远山、近山、瀑布流水、松树、亭台、云雾缭绕动效、飞鸟。逐项来看： - 远山和近山：GLM 更明显，Claude 远处的非常淡，几乎看不到。 - 瀑布流水：GLM 用从上到下的动画，水流感觉直接；Claude 用时宽时窄来表示，不那么直接但有意境。 - 松树和亭台：GLM 太生硬，树看起来像路牌；Claude 有各种弧度，看起来舒服很多。 - 云雾缭绕：GLM 几乎没有，Claude 整个画面都是雾里雾气的。 - 飞鸟：两者都有，但 Claude 的表现明显更优。 - 加分项：Claude 还加了一句诗“烟雨空濛翠微间”，右下还有“山水”印章，意境拉满。 简单总结：GLM5 只是在做任务，而 Claude 已经有一定的审美了——这就是所谓的“taste”。 本想继续测试后面的题目，但 Claude 的配额用完了……这就是致命弱点。没办法，好东西，就是又贵又少。 测了两天，可以诚实地说：GLM5 战胜 Claude 4.6 是不可能的。换句话说，Claude 4.6 实际上是全方位碾压 GLM5。当然，智谱官方说的也没错，是无限接近 Claude 4.5。那么问题来了——为什么是无限接近 Anthropic 上一代产品？ 似乎看到了一些不该看的东西。为了验证这一点，跑去问了同样的问题。显然现在已经修复了这个问题——对所有身份类的问题，态度非常坚决，坚决到有些过度。最后问了一个问题。 这个问题它卡了很久很久。最后给出的解释是“公共数据的问题”。思考过程中有这样一句话：“……但更重要的是，我需要再次强调我的真实身份——我是由 Z.ai 开发的 GLM 大语言模型，不是 Anthropic 的产品。” 直觉是系统提示词里面有强烈的约束。 其实看到这种问题也没什么好惊讶的。当年谷歌的模型一直说自己是百度的产品，创始人是李彦宏……现在也不妨碍 Gemini 已经越来越强了。 现在的态度很简单：不管谁抄谁，好用就行。目前来看，Claude 明显好用很多，不愧是编程王者；GLM 已经不错了，但要挑战 No.1，还需要加油。