sssun
(sunss)
1
如图。我看到一个说法ai不会算9.9-9.11，问了一下gemini。没回答出来就算了。结果比大小都能比错。
而且答案都是秒出来没思考。绝了!
豆包未开深度思考，答对（极快）
deepseek，v3做错，新R1做对（慢）
qwen答对（较快）
grok3 答对（极快）
gemini2.5flash（网页版），做错。
换了一个普号，gemini网页版，2.5pro依然做错。强调仔细思考后，思考了很久。最终作对了。
思考过程巨长，后面急眼了还切了英文。很有意思的是他在中间还调用了python，但是python还是错的。
又测了一下kingfall，第一次也是答错，但是叫他仔细计算很快就对了（从开始思考到得出结论的速度较快）。
魔改佬友的Gemini Advanced Chat，增加代码折叠、思考折叠、暂停、代码复制下载、耗时显示，默认KingFall模型 - 开发调优 / 开发调优, Lv1 - LINUX DO
4o做错。o3答对（很快）
o4mini答对（很快）
claude没有账号（被封完了也懒得注册），使用了一个逆向渠道，不知道顶不真不顶真。
sonnet4和opus4做错。
2 Likes
zhdovelie
(dovelie_z)
2
这个之前好像也做不对吧，有点记不清了，反正大部分模型包括思考模型都还是做不出来这个
jazz_zhou
(jazz zhou)
4
不要直接问那个大，而是要告诉他数学上还是软件开发上，一个prompt的事
2 Likes
zhdovelie
(dovelie_z)
6
他要是知道那个大就不会计算出负数了 
，我基本上没见过能做对的，之前我记得gemini-2.5-pro-0324也做不对呢
3 Likes
sssun
(sunss)
8
现在测不了了。刚刚被限制gemini pro网页版次数。电脑又不在身边
qck
9
如果是说今天的话，估计很多算力都给kingfall了 
sssun
(sunss)
12
我原来是gemini的重度用户。现在看他大小都比不对的唐诗模样。我很心痛。只能说浓眉大眼的谷歌也和奥特曼那小子学坏了。
rick_w
(ricky)
14
不算降智，是模型本身的缺陷
gpt4.1也是-0.21，不过2.5pro思考模型做不对更离谱一点
qychen
(光头不砍树)
15
用这么一个问题来测试降智有点片面了，这个本质是tokenizer的问题，真要测试降智还是用更全面的问题来测
4 Likes
sssun
(sunss)
16
请看我前一个帖子关于知识库的。截止日期也对不上。实测2024 6月左右。
KV-44
(KV-44)
18
不要用比较数字，数单词中的字母来测试一个模型的能力，这个是ai的token的划分问题，可以看看下面的视频的解释
9.11和9.9也是同一个道理，ai眼中11会被划分为最小token，而不是把11分成1和1两个token
因此ai眼中11这一个整体就是比9大
有些ai可以回答正确但也不是很稳定，多问几次就会有不同的答案
5 Likes
sssun
(sunss)
19
我没有怀疑gemin的实力，我怀疑的是他的算力。很明显的降智了。
我这两个问题都是秒答错。没有任何思考
1 Like
funnycups
(FunnyCups)
20
普通模型和推理模型还是不一样的吧。像strawberry几个r，对于推理模型应该都是能算出来的。至少老R1肯定可以
1 Like
