智谱GLM-4的数学推理也太惊艳了吧！

[0v0]

问题	模型名称	回答数字	正确与否	模型来源（均为官方）
一条绳子头尾对折，重复10次。然后从正中间剪断绳子，你会得到多少条绳子？（2^10+1=1025)	GLM-4	1024	最接近	智谱清言
	GPT-4-Turbo	512	错误	OpenAI API
	MiniMax-abab	2048	错误	海螺问问
	Claude-3-Opus	512	错误	Anthropic API
	Claude-3-Haiku	2048	错误	Anthropic API
（OpenAI和Claude的API均为官方提供，非中转。）

[neo]

说明他用的是假的opus

[baipiaodang]

问题越来越多样了

[0v0]

这个是Claude的message API跑的

[wo_zu_long (我秦始皇？)]

你的GPT4还有claude假的吧，bing都能答对

[0v0]

Bing创造模式超级聪明的，居然给忘了

GPT4和Claude都是官方的API（sk-ant-api03-xxx），不是中转也不是网页版。

[wo_zu_long (我秦始皇？)]

opus确实没答对

[Nec]

opus确实说是1024条

[zhong_little (Megasoft)]

单个题目其实不能说明什么，我同样可以找出新的题目，其他模型基本能做对，而只有智谱会做错：

在一个单败淘汰制的围棋比赛中，共有25名选手参与。比赛采用1至32号的抽签方式来决定选手的初始排位。要求通过比赛决出最终的冠军。问在整个比赛过程中，共需进行多少场比赛以确定冠军？（选手轮空的比赛不计入场次）

[wennan]

有道理，每个模型的算法、数据集等都有区别，还是要看综合水平

比如bing会用搜索功能，在百度知道找到答案

[peter1 (红烧肉)]

4 2024 04 09 回答也接近

[sangea (弎謌啊)]

有没有权威可靠的大模型测评啊

[peter1 (红烧肉)]

lmsys.org?

[wo_zu_long (我秦始皇？)]

现在已知bing的模型是azure openai的GPT4模型的蒸馏版本，但是这个问题稳定能答对，所以确实跟问题本身有关，opus能力无疑整体上是更强的

[OpenAI]

[MoYan]

很多ai其实就是忘了加一个1，况且刚试了GLM4也不能百分百答对

[RichardChou (项太傅)]

中英文真的差好多：

opus

sonnet

LLAM3 70B

[jackvoo (敏哥)]

[handsome (大帅哥)]

感觉是因为对中文支持不行导致的

[DZDZ233]

DeepSeek 稳定答错 2048