我拿一堆老游戏冷知识当考题，看推理模型到底是在推理还是在背百科

我自己最近越看榜单越没感觉，索性弄了个私用小题库，题目全是老游戏冷知识：同一款游戏 SS 版和 PS1 版的差异、某街机基板为什么移植到手机会掉帧、某台主机手柄到底几个键。难度不高，就胜在偏门。 把这些问题喂给 DeepSeek 和 Claude，规律挺明显：凡是网上早吵过、有定论的，它们答得又快又稳，思维链三行就过，明显是在“认题”；偏门到只有拆机资料里才有的，它也会开始 reasoning，可那条推理链更像把常识重新拼一遍，看着有理，其实是绕着答案转圈。 这特别像我当年背熟攻略本，一上手才发现自己是个伪高手。所以我现在越来越不信综合榜单，想问问各位，你们自己有没有一套私人小评测集？都往里塞什么题？