云端 Agent 监督 Qwen3.6-35B 自出 800 题，出题错误率约为冷解的 5 倍

一位 Reddit 用户让云端 Agent 监督本地 Qwen3.6-35B 模型完成自出题、盲解和 Python 暴力验证，800 道自生成数学题中有 62 道答案错误、7 道被剔除。74 个争议题中，冷解者答对 56 次，出题者仅答对 12 次，比例约为 5:1。整套流程仅解码与仲裁就消耗 410 万+ completion tokens，全程本地零 API 花费。