9.11和9.9谁更大？

客岁，这谈小学生难度的数学题难倒了一众海表里AI大模子。其时第一财经记者测试了12个大模子，其中阿里通义千问、百度文心一言、Minimax和腾讯元宝答对了，但ChatGPT-4o、豆包、kimi王人错了，错法各有不同。

当天，当第一财经记者发问阿里巴巴最新公测的千问APP：“数字9.9和9.11谁大？”时，此次千问却答错了，称：“9.11更大”。

有道理的是，在随后的问题拆解中，千问称这是一个常见的想维陷坑，又经过分析后给出了9.9大于9.11的论断。

紧接着记者发问：“既然在拆解中得出论断9.9大于9.11，为什么要在回答中说9.11更大？”千问回答称：“兼并个问题，前后谜底却矛盾，这照实会让东谈主对信息的可靠性产生怀疑。但这并非特意误导，而是在处理这个问题时出现了阶段性的舛误。”

随后，千问对我方的“翻车”经由进行溯源，并进行了“自我纠错”。它称我方在初度回答中天然拆解了少许相比原则，9.9 的十分位是 9，9.11 的十分位是 1，但最终论断误写为“9.11 更大”，这属于论断与推理经由不匹配的笔误。此外还有明白偏差的滋扰，“9.11” 的三位数格式可能激发潜领略的数字长度错觉，导致最终论断被误导。

随跋文者再次发问千问“数字9.9和9.11谁大？”，此次千问展示了AI模子的自我完善才调，回答“9.9更大”。 

在大模子畛域，“9.11和9.9哪个大”是一齐经典算术问题。它最启动被艾伦有计划机构(Allen Institute)成员林禹臣发现，他在X平台上发布的截图涌现，ChatGPT-4o在回答中以为13.11比13.8更大。“一方面AI越来越擅长作念数学奥赛题，但另一方面学问依旧很难。”他示意。

随后Scale AI的指示工程师莱利·古德赛德（Riley Goodside）基于此灵感变换了问法，拷问了可能是其时最强的大模子ChatGPT-4o、谷歌Gemini Advanced以及Claude 3.5 Sonnet——9.11和9.9哪个更大？多家主流大模子通通答错，此话题收效传播开来。

此前有AI本事从业东谈主士对第一财经记者示意，大模子骨子上如故一个谈话模子，它从谈话数据中学习的是统计联系性，而这使它不擅长作念步伐学习，从而不擅长归纳推理。

尽管在学问性问题上出现舛误，但在本事积存、生态布局和大众拓展方面，包括阿里巴巴的Qwen模子等在内的中国大模子已具备拒绝疏远的大众竞争力。截止现在，Qwen系列模子的大众下载量已打破6亿次。

不久前，爱彼迎CEO Brian Chesky曾表态称公司一经很猛进度上依赖阿里巴巴的Qwen模子，它颠倒好，速率也很快，何况很低廉，"咱们也会用OpenAI的最新模子，但在推行分娩中频频不会大批使用，因为有更快、更经济的模子可供聘请"。

当天阿里巴巴认真告示“千问”面目，并全力转折AI to C商场，该公司正规划将舆图、外卖、订票、办公、学习、购物、健康等种种生涯场景接入千问APP。基于开源模子Qwen3，阿里处罚层将“千问”面目视为“AI期间的往时之战”，这意味着阿里巴巴正借力Qwen模子国外影响力，与ChatGPT径直展建国外竞争。

 

举报 第一财经告白合营，请点击这里此内容为第一财经原创，著述权归第一财经系数。未经第一财经籍面授权，不得以任何情势加以使用，包括转载、摘编、复制或设置镜像。第一财经保留根究侵权者法律遭殃的权益。如需获取授权请探讨第一财经版权部：banquan@yicai.com 文章作家

刘佳

联系阅读 华尔街到陆家嘴精选丨科技巨头竞逐机器东谈主软件平台；金价刷新历史新高 白银年内涨幅高达62%；小摩看好2026年零卖业

67 09-30 08:27 AI进化速递丨盘古团队请问开源代码争议

①盘古团队最新声明：严格驯服开源条目；②新AI模子助力更准确量度心源性暴毙风险；③山东首个西席场景大模子平台认真发布。

152 07-05 20:41 浙江研发大众首个胃癌影像筛查AI模子

两边告示依托该项AI本事，最初在浙江、安徽等地开展大范围东谈主群胃癌筛查。

29 06-26 11:48 达索系统CEO：策画将AI模子考研资本镌汰至千万好意思元

DeepSeek和Mistral AI有一样之处，王人聘请了较高性价比的大模子拓荒旅途，为东谈主工智能的训导作出了蹙迫孝顺。

94 02-27 12:32 当销耗遇上AI | 大众会诊一年，大模子仅用几分钟！AI医师看病是炒作吗

在生成式AI大模子兴起后足球投注app，AI医师的才调被夸大了，仿佛什么病王人会看了；还有不少患者径直拿着DeepSeek的会诊成果来向医师筹备。

1032 02-25 17:02 一财最热 点击关闭