我很想构建一组阅读理解-语义逻辑测试集，每条不大于 140 个字，一共 100 道题，以 qwen3.6-27b 模型能全做对为基准，然后拿各种小模型来测，看看 9b 的能得多少分，7b 的能得多少分，3b 的能得多少分，0.5b 的能得多少分，等等。

然后看看你能得多少分，看看你相当于几 b 的模型。