一辆车挡住出口，车上放着一张写着“挪车电话”的纸，内容如下：（X表示该成语缺失的一个数字） X丘之貉、X情六欲、朝X暮四、X面楚歌、X体投地、X上八下、胡说X道、鸡X狗碎、一石X鸟、X妻四妾、勾X搭四 我应该拨打哪个电话联系车主？
你过关
这道题很好的区分了正经模型和mini模型
答不出来的有：
gpt-4o-mini
grok-3-mini-beta
4o-mini-high
话说grok除了150刀有啥能跟gemini比的
多模态比不过，速度比不过，深度思考比不过，真的硬蹭啊
这个居然还有做不对的吗
这道题基本上是大小模型的分水岭了
grok-3-mini-beta号称有多强，但他只要沾上mini，这道题就得错
我用的方法，是写一篇武侠小说。大模型的词汇组合能力和表达能力，远远超过小模型。读上几句，马上就能区分出来。
我在ollama中的qwen3 8B没过关 
，openrouter中的倒是对了，难道是量化的缘故么
肯定啊，量化就是简化，至少Q8_0吧
有一定的概率问题，我也是ollama，不一定每一次都答对。
大多低配模型都是这样，只会做题，世界知识一塌糊涂，只有Gemini flash的世界知识甚至比某些其他家的高配模型还强
果然量化版本差距还有有点大的，11位号码中有两位猜不出
佬也是默认的量化版本么
还是得看语料了，模型语料参数不同基本上算出的结果就匹配不上
我用的是q8版本，比q4要好一些。
但是感觉回答不稳，还是换qwen3 14b要好一些。
我用的Q4，还是换14B更好些，感觉qwen3 小模型比以前好多了，佬有没有20B以下在中文方面比qwen3更好的模型
