这篇文章是关于测试7款AI大模型（包括讯飞星火X1、OpenAI o3、文心一言X1 Turbo等）在解决一个引发热议的数学题时的表现。这道题目是：**2 ÷ 2 (1 + 2)**，重点在于争议点“能不能把‘2(1+2)’看成一个整体优先计算”。文章通过测试和分析各模型的表现，总结出以下主要结论：
### **测试结果与分析**
1. **讯飞星火X1 深度推理大模型**
– 表现优异，思考过程严谨，输出答案正确。明确指出“2(1+2)”不能单独作为整体优先计算，因为除法和乘法属于同一运算级，应从左到右计算。
– 对争议点的解释清晰有理。
2. **OpenAI o3**
– 表现与讯飞星火X1相当。既明确答案是3，也对争议点进行了详细说明，指出“如果将‘2(1+2)’看成一个整体，则需要添加括号，如6 ÷ [2(1+2)]”，否则按照运算规则应从左到右计算。
3. **文心一言X1 Turbo**
– 思考过程和输出结果也比较清晰，但对争议点的解释不如讯飞星火X1和OpenAI o3详细。
4. **其他模型（DeepSeek R1、腾讯混元 T1、Grok 3、豆包 1.5）**
– 表现中等，或在思考过程上不够清晰，或在输出结果上略显含糊。其中，Grok 3的解释相对更清晰，明确指出如果将“2(1+2)”看成整体，则需要添加括号。
5. **通义千问**
– 对争议点的解释在思考过程和输出中都较为含糊，未能给出明确的答案。
### **关键争议点**
– 问题核心在于运算顺序的规则。根据数学中的运算优先级（PEMDAS/BODMAS），除法和乘法属于同一级，应从左到右依次计算。
– 正确的计算过程：2 ÷ 2 = 1 → 1 × (1 + 2) = 3。
– 如果将“2(1+2)”看成一个整体，则需要明确添加括号，如6 ÷ [2(1+2)] = 1。
### **总结评价**
– **讯飞星火X1 和 OpenAI o3**：表现最佳，既严谨又详细，能够清晰解释争议点。
– **文心一言X1 Turbo**：次优，但仍有提升空间。
– **其他模型（DeepSeek R1、腾讯混元 T1、Grok 3、豆包 1.5）**：表现中等，主要在争议点的解释上略显不足。
– **通义千问**：表现相对落后，对争议点的解释不够清晰。
### **结语**
文章最后指出，这次测试仅是针对一个数学题的小样本测试，并不能全面评价各模型的能力。AI大模型的表现不仅取决于数学规则的理解，还与训练数据和算法设计密切相关。
相关文章
