我用8道變態(tài)燒腦題，測出了o1的國內(nèi)最強(qiáng)平替

原標(biāo)題：我用8道變態(tài)燒腦題，測出了o1的國內(nèi)最強(qiáng)平替
文章來源：夕小瑤科技說
內(nèi)容字?jǐn)?shù)：10617字

智譜GLM-Zero-Preview評測：國產(chǎn)類O1模型的強(qiáng)勢崛起

本文對智譜最新發(fā)布的類O1模型GLM-Zero-Preview進(jìn)行了深度評測，并與其他國內(nèi)外模型（如O1、Kimi視覺思考、Deepseek R1等）進(jìn)行了對比。評測涵蓋數(shù)學(xué)、編程、邏輯推理、燒腦推理等多個方面，難度遠(yuǎn)超以往，旨在全面考察模型的推理能力。

1. 榜單表現(xiàn)與首輪測試題

GLM-Zero-Preview在數(shù)學(xué)和代碼測試基準(zhǔn)上顯著超越O1-preview，但在知識和邏輯推理方面略遜一籌。文章開篇即用一道極具挑戰(zhàn)性的推理題作為開場，結(jié)果所有測試模型均未能給出正確答案，這體現(xiàn)了當(dāng)前類O1模型在深度文字推理方面的不足。

2. 難度遞減的測試題

為了更有效地區(qū)分模型的推理能力，評測隨后安排了難度遞減的題目，包括小學(xué)奧數(shù)題、池塘取水問題、Python編程繪圖等。在這些題目中，GLM-Zero-Preview和O1表現(xiàn)出色，而其他模型則出現(xiàn)不同程度的錯誤。

3. 燒腦數(shù)學(xué)推理與懸疑推理

評測中還包含了更復(fù)雜的燒腦數(shù)學(xué)題，例如計算賣水最大利潤問題。GLM-Zero-Preview在這些題目中展現(xiàn)出較強(qiáng)的穩(wěn)定性，而O1和其他模型則出現(xiàn)失誤。此外，文章還加入了“紅衣女孩”等懸疑推理題，測試模型在超自然推理方面的能力，結(jié)果顯示AI在處理此類問題時存在明顯缺陷。

4. 狼人殺推理題與最終結(jié)論

最后，文章用一道復(fù)雜的狼人殺推理題作為終極挑戰(zhàn)，結(jié)果GLM-Zero-Preview成功解答，而O1和其他模型均未能給出正確答案。這充分展現(xiàn)了GLM-Zero-Preview在復(fù)雜邏輯推理方面的突出能力。

5. 國產(chǎn)模型的進(jìn)步與未來展望

通過此次評測，可以看出國產(chǎn)類O1模型的進(jìn)步速度令人矚目，與O1的差距正在縮小。文章最后總結(jié)道，OpenAI不斷提升著人們對AI的想象力，而國產(chǎn)AI則致力于將這些想象轉(zhuǎn)化為現(xiàn)實(shí)。 作者對國產(chǎn)AI的未來發(fā)展充滿信心，并期待著AGI時代的到來。

聯(lián)系作者

文章來源：夕小瑤科技說
作者微信：
作者簡介：低負(fù)擔(dān)解碼AI世界，硬核也可愛！聚集35萬AI發(fā)燒友、開發(fā)者和從業(yè)者，廣泛覆蓋互聯(lián)網(wǎng)大廠中高管、AI公司創(chuàng)始人和機(jī)構(gòu)投資人。一線作者來自清北、國內(nèi)外頂級AI實(shí)驗(yàn)室和大廠，兼?zhèn)涿翡J的行業(yè)嗅覺和洞察深度。商務(wù)合作：zym5189