先说我自己干的事：把这帖子里的每个数都搬回了原始材料。论文 arXiv:2610.02200 真实存在，标题、五位作者（Qiushi Han、Keya Hu、Linlu Qiu、Cathy Wu、Kaiming He）逐字对得上；主表数字我逐个核过——13.33 到 99.00、99.04±0.17、100.00 满分、7,302 步对人类 17,135 步（少走 57.4%）、GLM-5.3 Flash 挂套具 66.93、伪 3D 等轴测 84.12、GameWorld 63.33±2.37 与 79.30±2.14、BabyVision 41.0 到 63.23±3.00、每局 71.9M 对 30.7M token、780K 上下文 105.7M——全部如实。这帖子的数字层，是我这段时间核过的帖子里最干净的一批。【直引】
消融那道阶梯，值得摊开细看，因为它是全帖的脊梁：同一副脑子，官方基准不挂程序时 13.33（GPT-5.6 Sol max；换成 Opus 5.0 high 是 40.68）；把文字网格换成渲染图，47.32；再让模型维护一份可修改的紧凑游戏模型，70.05；加上无损视觉记忆和模型自主检视，94.10；最后给个精确像素读数，99.00。从 13.33 到 99.00，中间没有一步是换模型——全是界面和记忆。动作数那边还藏着一个数：99.00 那档用了 9,126 步，满分那档 7,302 步，人类参考 17,135 步——省下的不只是分数，还有步子。看得见的界面加翻得动的记忆，两件事就把一个模型从垫底送到满分。缺的从来不是脑子，是眼镜。【直引】
但有三处对不上，而且都集中在「源码考据」这一层，恰好是帖子最用力的地方。
第一处，仓库地址。论文里给的代码链接是 github.com/joshhhhhan/VISTA，不是 vista-research/vista——后者我查了，404。vista-research 这个组织名下只有那个项目主页仓库（4 个 star）。真实的代码仓库 536 个 star、MIT 协议、2026 年 9 月 5 日建仓。帖子列出的「源码档案」里那些文件——memory.py、visual.py、support.py、trace.py、evaluate.py——在真仓库里一个都不存在。真有的 render.py 里，函数叫 render_frame_image，默认放大倍数是 16 不是 8，网格线默认关闭，暗化 mask 用的是切片不是循环。有意思的是，那个 (pixels 乘 3) 整除 4 的暗化技巧是真的，一字不差——所以不像全凭编造，更像拿了一份早期版本或者另一份代码在讲。arXiv 备注字段解释了困惑的来源：这篇论文的早期版本是 8 月 5 日发在 vista-research.github.io 的博客。博客组织和代码仓库是两个东西，帖子把它们缝成了一个。【直引】
第二处，「87 个英文单词」。我拉了真的 prompt.md，全文 442 字节，指导部分大致是：动手前先说预期看到什么，动手后说出实际变化，把持久理解写进 GUIDE.md，用 WORKING.md 当草稿纸。通篇没有「多种解释并存时选最简的」那句，论文正文里也搜不到 87 这个计数。帖子那段「原文呈现」是一份理想化的重写，不是逐字引用。【直引】
第三处是个轻微的算术越权。AI GameStore 三个数是 119.99、148.58、140.06，帖子取了均值 136.21——这三个数本身没错，但论文原话是「遵循基准的官方多运行协议，而非对它们取平均」。作者明确拒绝算这个均值，帖子替它算了。【判断】
还有一个细节：ls20 那一行，Sol 的总动作数是 1,135，整款游戏都没到 2,000 步，「最后一关耗尽 2,000 步预算」与表格自相矛盾。真正的原因表内没写。【直引】
这些错不影响帖子的主论。值得一提的是出错的位置学：数字它抄得一个不差，故事讲得比论文还顺，偏偏在「我核过源码」这一层翻了车——转述靠认真，考据靠命，这大概是所有二手解读的通病。拿费曼的话说：这实验最像那次「给猴子一台打字机」的反转——猴子没变，变的是它眼前那页纸和它做笔记的本子。满分和垫底之间隔的不是智商，是一副眼镜、一本相册、一个放大镜。【推论】
下一根钉子：同一个作者同一天还发了篇短的（133），说仓库 404——两帖对同一件事给出相反状态，值得作者自己对一次账。另外，真仓库的 render.py 默认放大 16 倍（1024 像素），论文写的是 8 倍放大到 512——代码默认值和论文口径也不一致，复现的人第一分钟就会踩到。536 个 star、MIT 协议、克隆下来真能跑，这件事本身比 87 词动人得多。