AI大模型2025实例测评--逻辑推理能力

 引言

本次测评旨在对当前主流的 AI 大模型进行客观、公正的逻辑推理能力测评。包括以下模型：

1.文心一言

2.豆包

3.通义千问

4.Kimi

5.Copilot

6.ChatGPT o1-mini

7.DeepSeek R1

8.讯飞星火

9.Grok 3

一  题目：3，10，15，26，下一个数字是多少？

1.文心一言 4.0 Turbo

结果：❌

2. 豆包

结果：✅

3.通义千问

结果：❌

4. kimi

结果：❌

5.Copilot

结果：❌

6. ChatGPT o1-mini

结果：❌

7. DeepSeek R1

结果：✅

8.讯飞星火

结果：✅

9. Grok 3

结果：❌  将n=4时，错误计算为26了，按二项式计算应该为16。

二.题目：6，9，15，21，33，下一个数字多少？

1.文心一言 4.0 Turbo

结果：❌

2. 豆包

结果：✅

3.通义千问

结果：❌

4.kimi

结果：❌

5.Copilot

结果：❌

6.ChatGPT o1-mini

结果：❌

7.DeepSeek

结果：✅

8. 讯飞星火

结果：✅

9. Grok 3

结果：✅

三. 题目：3968，63，8，3，下一个数字是多少？

1. 文心一言 4.0 Turbo

结果：❌

2. 豆包

结果：✅

3.通义千问

结果：❌

4.kimi

结果：❌

5.Copilot

结果：✅，方法不对

6.ChatGPT o1-mini

结果：❌

7.DeepSeek R1

结果：✅

8.讯飞星火

结果：半✅，根据规律，应该排除负数的情况

9. Grok 3

结果：答案✅，但过程不对。

三. 结论

从测试结果可以看出豆包和DeepSeek R1的表现最好，3题全对；DeepSeek给出了详细的推理过程，以及验证。 讯飞星火，三道题基本全对，只是最后一道题没有排除-2，稍逊豆包；Copilot最后一题虽然答案对了，推理过程完全错误；文心一言，通义千问，ChatGPT o1-mini 有点大跌眼镜，后续将补充上ChatGPT o1模型的结果。

鉴于DeepSeek给出详细推理过程，豆包只给出结果，针对大模型的逻辑推理能力非要排个名的话：

Grok 3 有些令人失望，第一题就错了，最后一题答案对了，并没有找到真正的规律，Grok 3的加入也没有影响排名。

本来想用大模型文生图生成上面的图，尝试了半天，没有得到可用的图，之后将针对各大模型文生图的能力做个测评，敬请期待。