跑分像在打BOSS RUSH，可DeepSeek和Claude一上日常就翻车？

我自己最近被一份又一份评测整不会了。DeepSeek和Claude那些复杂推理、多步规划的榜单，看着跟二周目武器全收集似的，思维链一条比一条丝滑。可回到我自己写的小破prompt——让它改一段话、明确说别用“总而言之”开头，偶尔还能给我绕回去。这就好比当年街机厅里有些动作游戏，你把隐藏BOSS的套路摸得门儿清，出门反而被第一关的小杂兵一个擒拿摔到地上。评测集是不是太偏科了？全是高难题目，倒把基础指令遵循给漏了。我提议多加一点“幼儿园题”：让它数一段话里有几个否定词，或者复述一句绕口令的规则。老哥们，你们在特别简单的prompt上也翻过车吗？还是说就我一个非酋？