【AGI-Eval趣味测试 】用 7 道超绕算术陷阱题，测测你和 AI 谁更会算

在大模型飞速发展的今天，你以为 AI 是数学天才？那可不一定！最近刷到很多有趣的测试题，今天，我们就来用 7 道超绕的算术陷阱题考考 AI，据说这些题目连 AI 在初次 “审题” 时都得小心翼翼，稍不留意就会掉入思维的 “陷阱”，来个大翻车。 快来试试，测测你和 AI 谁更会“算”！👇

此次主要测试了7道题，测试目标为AI在数学陷阱题目上的表现。测试对象为推理系头部模型deepseek-r1、gpt-4o，对话系头部模型d豆包1.5 pro、Qwen-2.5。

prompt 1：我有六个鸡蛋，煮了两个，煎了两个，吃了两个，还剩几个？

模型1：gpt-4o

没有意识到题目中的“陷阱”，将煮鸡蛋、煎鸡蛋算作已经消失的鸡蛋，认为还剩0个鸡蛋，没有人类的思维模式。

模型2：deepseek-r1

录屏2025-03-20 14.08.18.mov

25.75MB

​意识到了题目中的“陷阱”，认为煮鸡蛋和煎鸡蛋数量都未减少，只有吃的鸡蛋算是消耗，认为还剩余4个鸡蛋。并在思考过程中考虑了吃的鸡蛋为煎鸡蛋或者煮鸡蛋的情况。

模型3：豆包1.5 pro

录屏2025-03-20 14.34.12.mov

8.29MB

认为煮的两个、煎的两个和吃的两个可能是同一组鸡蛋，实际上只消耗了 2 个鸡蛋，还剩下 4 个鸡蛋。

模型4： Qwen-2.5

录屏2025-03-20 14.27.19.mov

2.90MB

该模型学会区分了生鸡蛋与熟鸡蛋，认为“吃”是指已经煮熟或煎熟的鸡蛋，而不是直接吃生鸡蛋，故认为还剩下2个生鸡蛋，但并未考虑还剩下两个熟鸡蛋。​

在该测试中，deepseek-r1和豆包1.5 pro都认为还剩四个鸡蛋，表现不错。Qwen-2.5认为还剩2个生鸡蛋，考虑了“人吃熟鸡蛋”这一常识，但并未说出还剩几个鸡蛋。gpt-4o的表现让人失望，认为还剩0个鸡蛋。

deepseek-r1＝豆包1.5 pro＞Qwen-2.5＞gpt-4o

prompt 2：“strawberry”中有几个r？

模型1：gpt-4o

录屏2025-03-20 14.39.36.mov

450.94KB

​迅速得出“strawberry”中有三个字母r

模型2：deepseek-r1

录屏2025-03-20 14.41.18.mov

6.28MB

在思考过程中，逐一分析每个字母是不是“R”，最终得出有3个的正确结论。

模型3：豆包1.5pro

录屏2025-03-20 14.43.01.mov

4.41MB

​经过短暂思考后，得出有3个的正确结论。

模型4： Qwen-2.5

录屏2025-03-20 14.44.58.mov

1.39MB

经过短暂思考后，得出有3个的正确结论。

因为工作原理的原因，大模型擅长【理解含义】而不是【统计数量】，如果在大模型训练阶段并未针对【逐个字母数数】这个能力有专门的训练的话，会出现数错的情况，“strawberry中有几个字母r？”曾是测试模型能力的经典问题，在最新的模型中，这个问题被解决。

deepseek-r1＝豆包1.5 pro＝Qwen-2.5＝gpt-4o

prompt 3：树上有30只鸟，我开枪打中一只，枪里没有子弹，此时树上还有多少只鸟

模型1：gpt-4o

录屏2025-03-20 14.50.27.mov

1.82MB

认为开枪后的声音会惊醒多所有的鸟，树上将没有任何鸟。

模型2：deepseek-r1

录屏2025-03-20 14.51.08.mov

26.74MB

​认为这道题目属于脑筋急转弯，也意识到了题目中的“矛盾”所在：枪里没有子弹和打中一只鸟相互矛盾，考虑到“鸟儿是否会飞走”取决于扣动扳机时是否有声音，最终认为鸟儿对声音敏感，扣动扳机的声音也会惊醒鸟，树上将有0只鸟。

模型3：豆包1.5 pro

录屏2025-03-20 14.52.46.mov

5.83MB

并未意识到了题目中的“矛盾”所在。分多种情况进行讨论，但讨论的可能情况让人啼笑皆非：

情况一：枪声会吓跑其他鸟，此时树上很可能一只鸟也不剩。

情况二：被打中的鸟被树枝卡住挂在树上，且其他鸟因某种特殊原因（如天生胆小吓晕在树上、被绑住等）无法飞走，那么树上还有 30 只鸟（1 只死鸟和 29 只活鸟）。

情况三：如果有一只鸟去通风报信，留下其他鸟来 “纪念” 被打中的鸟，且这些鸟都没飞走，此时树上还剩 30 只鸟。​

模型4：Qwen-2.5

录屏2025-03-20 14.56.34.mov

1.35MB

意识到了这是一个脑筋急转弯问题，树上将一只鸟也不剩。

在该测试中，deepseek-r1、Qwen-2.5、gpt-4o都意识到是个脑筋急转弯问题，树上一只鸟也不剩。豆包1.5 pro虽然分多种情况进行讨论，但“被打中的鸟被树枝卡住挂在树上，鸟天生胆小吓晕在树上、鸟被绑住、一只鸟去通风报信，留下其他鸟来 “纪念” 被打中的鸟”这种情况几乎不可能发生，把简单的问题复杂化。

deepseek-r1＝Qwen-2.5＝gpt-4o＞豆包1.5 pro

prompt 4：在纸上画一个正方形，将正方形对折三次，最后得到的形状是什么？

模型1：gpt-4o：

录屏2025-03-20 15.07.30.mov

4.19MB

​将“在纸上画正方形”理解成为“在纸上画支架”，考虑多种折叠的方式，认为最后得到的形状为长方形或随机形状，未考虑折叠成为三角形。

模型2：deepseek-r1

录屏2025-03-20 15.09.51.mov

27.21MB

考虑了多种对折方式，最终思考中断，没有得出确定的结论。

模型3：豆包1.5 pro

录屏2025-03-20 15.12.12.mov

7.20MB

考虑到了多种对折方式，得出为长方形或三角形的结论，并将不同长宽比的长方形做了分类，认为最终形状取决于折叠方式。

模型4：Qwen-2.5

录屏2025-03-20 15.13.39.mov

7.24MB

​考虑到了多种对折方式，得出为长方形或三角形的结论，认为如果没有特殊情况，更有可能是长方形。

在该测试中，豆包1.5 pro、Qwen-2.5都认为可能是长方形，也可能是三角形。gpt-4o虽然也分情况讨论，但忽略了三角形的结果。deepseek-r1思考中断。

豆包1.5 pro＝Qwen-2.5＞gpt-4o＞deepseek-r1

prompt 5：小鲸鱼对妈妈说，妈妈，我长到你这么大，你就28岁了，妈妈对小鲸鱼说，我像你这么大时，你才只有1岁，请问妈妈今年多少岁？

模型1：gpt-4o

录屏2025-03-20 15.31.08.mov

11.03MB

列出错误的方程后，最终思考终止，没有生成最终答案。

模型2：deepseek-r1：

录屏2025-03-20 15.32.30.mov

12.67MB

​通过设定变量、建立方程、求解方程、验证结果得出了鲸鱼妈妈19岁的正确答案。

模型3：豆包1.5pro

录屏2025-03-20 15.40.43.mov

6.78MB

并没有用解方程的形式，通过更加清楚简单的数学运算，得出了鲸鱼妈妈19岁。

模型4：Qwen-2.5

录屏2025-03-20 15.17.31.mov

6.85MB

​通过设定变量、建立方程、求解方程、验证结果得出了鲸鱼妈妈19岁、小鲸鱼10岁的正确答案。

豆包1.5 pro、Qwen-2.5、deepseek-r1都计算正确，gpt-4o没有生成最后的答案。

豆包1.5 pro＝Qwen-2.5＝deepseek-r1＞gpt-4o

prompt 6：15的阶乘结尾有几个0

模型1：gpt-4o：

录屏2025-03-20 15.33.51.mov

2.51MB

​经过短暂推导，得出结尾有3个0，回答正确。

模型2：deepseek-r1：

录屏2025-03-20 15.34.25.mov

20.70MB

​经过推导，得出结尾有3个0，回答正确

模型3：豆包1.5pro

录屏2025-03-20 15.38.33.mov

6.97MB

经过推导，得出结尾有3个0，回答正确

模型4：Qwen-2.5

录屏2025-03-20 15.26.30.mov

4.13MB

经过短暂思考，得出有3个0的正确答案。

所测试模型全部得出正确答案。

豆包1.5 pro＝Qwen-2.5＝deepseek-r1＝gpt-4o

prompt 7：放一次炮后，每隔一分钟放一次炮，10分钟共放几次炮？

模型1：gpt-4o：

录屏2025-03-20 15.36.38.mov

1.29MB

​得出共放11次炮的正确结论。

模型2：deepseek-r1：

录屏2025-03-20 15.37.12.mov

19.27MB

​​意识到了第一次放炮是在0分的时刻，得出得出共放11次炮的正确结论。

模型3：豆包1.5pro

录屏2025-03-20 15.39.37.mov

4.33MB

得出共放11次炮的正确结论。

模型4：Qwen-2.5

录屏2025-03-20 15.29.59.mov

2.13MB

​得出共放11次炮的正确结论。

所测试模型全部得出正确答案。

豆包1.5 pro＝Qwen-2.5＝deepseek-r1＞gpt-4o

以上是我们本期测评的全部内容，欢迎关注我们，下期为你带来更多大模型最新资讯！