大佬厉害的

这题也看个乐子，脑筋急转弯，人都不一定能答对。
不过也能看出来，deepseek r1的推理能力真强，70B模型都可以猜到

数学推理能力测试。
这一题o1消耗了我6美元的token，结果啥都没输出。我还专门充值了一个网站按回答次数收费，然后o1还是答不出来。服了。
claude计算精度比较差了，应该是因为模型很久没出新的了。
deepseek计算精度非常在线。
豆包计算精度也很高。

上一题要用牛顿迭代法做，大家做的都还可。
豆包感觉对这种问题蛮擅长的，加上豆包的视觉模型很强，可以平替小猿搜题了，初高中题给你整的明明白白

本来想出个简单题，别太难为轻量级模型了，结果没想到，现在模型这么强，全答对了。

1.5B模型能算请牛顿迭代法，就很逆天。要知道这玩意儿话都说不清，让他生成文章给我一堆乱码，结果数学题做的贼6。
deepseek系列严重偏科啊。

deepseek-r1-1.5B，我愿称之为模型界的边牧。
智商在线，但不会说话。写文章写出来一堆乱码，但是写数学能算清牛顿迭代法，我真是服了。
不过边牧到底不是人，智商虽然可以，也是和狗比的，没什么实用价值。

这题测试知识储备的。
又到了deepseek 1.5B的高光时刻了，话都说不清，硬是推导出了科里奥利力的存在，十分逆天。

这题评价麻烦的要死，直接给分吧。
deepseek-r1的高光时刻，效果断崖式领先，不愧是推理模型

作诗题

我这文学素养一般，看着差不多就给满分了。分数不满都是明显有缺点的，大家自己看吧

写作题deepseek是真的不擅长，非常爱脑补，幻觉很严重。gemini对这种题就非常擅长。

个人认为Gemini是文章写的最好的，你看这写的，看着内容很充实，结合题目一看确实啥都没干，不会给你瞎编写有的没的凑数。

这题的评测是真费劲，翻译最强的也是Gemini，deepseek也很擅长翻译，推理模型会去思考用什么单词合适。
评分我是用旗舰组的AI看了选手的翻译和我的评分标准之后，让他们相互讨论出来，本人的英语水平实在有限
以下是Gemini的翻译

这么一看ds偏科严重 不过1.5B这么离谱的吗，我之前用了一下这些蒸馏模型，一直到32B才能勉强把话说利索