测了一部分了已经，贴吧排版太难受了，我先测完整理好再发。

总算测完了

坑开的太大了全文总结了5万多字，我勒个天。

本来我寻思给百度的面子加了一个百度的免费小模型。然后发现那玩意儿是真的不行，然后换成通义千问的一个小模型了。

先介绍以下参赛选手。
deepseek全家桶自不必多说
Anthropic，openai,谷歌家的旗舰也很出名

Doubao-1.5-vision-pro和qwen2.5-vl-72b大家可能不太熟，算是国内乃至国际最强的两个视觉模型了。除去GPT这样的多模态大模型，他俩的识别能力可以说是天花板了。
有时候deepseek没有图像输入能力就很难受，就可以试试他俩，语言能力也不差，视觉能力顶呱呱

Llama-3.3-70b和deepseek-70b应该是一个模型，然后从r1蒸馏的参数。可以对比一下看看进步大不大

doubao-1.5-lite，gpt-4o-mini以及qwen-Turbo都是蛮好用的轻量级模型，价格都在1元/百万token以内，非常划算。不需要太高智商的话，单纯问个问题聊聊天啥的，或者当个翻译工具足矣。

第一题，豆包的视觉模型拉跨了，其余全对。
其实这一题不太能代表什么，就是一个幻觉而已。看个乐子吧。

2，3题也一样，代表不了什么智商。尤其是第三题，全军覆没，只能说现在的AI缺乏常识。
deepseek1.5B数字母都能数对，和智商关系不大的。

前五题用处都不大，体现不出智商。
这题以前是个经典的幻觉，现在基本都修复了。
deepseek-7B和1.5B实际上不是识别不出来，是话都说不利索。