这么看豆包1.6还可以啊，虽然参数量小但是效果还不错

哦对，楼主知道豆包大模型有往教育方向发展的趋势吗，针对教科书内容进行了针对性的后训练

接下来是第八轮测试，多轮对话&记忆一致性，这一轮测试下来除了deepseek-r1，各个模型的水平都差不多，那是因为它的上下文比较短，而且是半年前的模型了，有时候还会因为幻觉并造出不存在的信息，因此分数较低。

然后是第九轮测试，上下文能力测试，这里楼主给了一个一万字的文档，并且要求他们对文档中的内容进行作答，测试下来的结果也是不分伯仲

最后是第十轮测试，效率&成本。这里API的成本权重只有百分之十，指纹测试的还是综合条件下（带深度思考）模型输出的速度，输出速度在30token/s以上就算满分，每题平均测试三次，取平均值作为结果

这里除了deepseek(平均速度为18token/s)，其他的模型都达到了满分速度，有些模型甚至能稳定在70token/s

ds的幻觉还是有点严重啊，v3.1感觉稍微好了点。

glm4.5的进步也不小，比4.1好多了

最后是总分方面，一共100题，每题一分，我先贴出带gemini的图，这里可以看到，在日常使用的情况下，国产的模型不比gemini差多少

这张图是不带gemini的结果

大家如果觉得测评帖质量不错的话，请多多点赞评论，让更多人看到

豆包和千问的主要问题是思考时间太长了，虽然分数高，但是很影响体验。

@MAGA-AI还挺酷 技术贴，申请加精

辛苦了

厉害