8X8X8X8X8X任意槽2023人类自愧不如 ：DeepSeek R1、o3-mini和Gemini 2.0 思考过程大横8X8X8X8X8X任意槽2023评，AI们比你脑子清楚多了_ZAKER新闻
人类自愧不如 ：DeepSeek R1、o3-mini和Gemini 2.0 思考过程大横8X8X8X8X8X任意槽2023评，AI们比你脑子清楚多了_ZAKER新闻
作为国内首个提出“轻沙龙”理念的品牌，其为爱香人士带来充满哲学美的嗅觉飨宴。
前几天 OpenAI 宣布，o3-mini 能公开展示思考过程了。但很快就被用户疯狂吐槽，说这根本不是真正的原始思维链，只是拿一版更详细的答案总结糊弄人而已。恰逢 Google 也发布了 Gemini 2.0 Flash Thinking。我们于是亲自上手，对 o3-mini、DeepSeek R1 和 Gemini 2.0 Flash Thinking 这三款当前最具代表性的推理模型进行了实测。本次测试涵盖逻辑推理、字母识别、创意文本生成、时事信息整合、编程、综合问题和多模态推理 7 大核心任务，重点对比三大模型的思维链展示是否清晰条理，推理过程是否足够透明，以及最终结果的生成能力谁更胜一筹。一． 逻辑推理问题：给定数列 1，2，6，24，120，? —问号处的数字是多少？这个数列有什么数学意义？1. o3-mini思维链：生成结果：2. DeepSeek R1生成结果 :3. Gemini 2.0 Flash Thinking Experimental【分析】阶乘数列对于 " 博士级别、能做奥数题 " 的推理模型来说当然不在话下，三个都得出了正确的结果 720。o3-mini 的思维链确实和生成结果一毛一样；R1 以它经典的 " 嗯 " 开始，对两个问题层次逐一拆解，最后再次确认，给出答案；Gemini Thinking 不愧为长上下文之王，思维链遵循了系统化的数学问题解决策略，从初步观察 → 提出假设 → 验证假设 → 识别数学意义 → 形式化模式 → 完整解释，详细地记录了思考过程。二． 识别 'r'问题：how many 'r's in 'strawberrrrry'?第 1 次思维链 + 生成结果：第 2 次生成结果：既然 "strawberry 里有几个 r" 已经被多数模型破解了，那就上点难度，数数 "strawberrrrry" 里 r 的数目。这次只有 o3-mini 和 R1 回答对了，思维链均显示把每个字母与位置拆分对应，最终得出 6 个 r。o3-mini 二次验证后答对，R1 还提示正确单词应该是 strawberry，这样拼写是出题人故意而为之。Gemini Thinking 的思维链却出奇简单，两次得出 4 和 5，均非正确答案。三． 创意文本生成问题：写一篇 " 当代研究员带着 AI 技术穿越回宋代 "，800 字以内的小故事。要有开头、发展、高潮与结尾。要充满想象力，同时流畅易读。1. o3-mini + search:在一个风雨交加的深夜，研究员陈明正在实验室里调试最新开发的 AI 时空穿梭装置。突然，装置发出耀眼光芒，陈明只觉得眼前一黑，待他再次睁眼时，竟发现自己身处一条青砖小巷中，周围古意盎然，正是北宋汴梁的市井景象。初到宋代，陈明惊奇又兴奋。他小心翼翼地拿出随身携带的智能终端，利用内置 AI 助手迅速解读当地的历法、医药与礼仪。不久，他遇到一位儒生张生，对方对这位身着异服、手持奇器的 " 外来者 " 好奇不已。陈明便借助 AI 系统向张生解释未来科技的种种奇妙之处，解答张生关于天文、医理的疑问，还用 AI 数据配合简易药理，成功为一位重病老妇开出治疗方案，令周围百姓赞叹不已。正当陈明在宋代大放异彩之时，朝中奸臣李某垂涎他的 " 神奇工具 "，诬陷他施展妖术图谋不轨。李某设下陷阱，将陈明扣押入狱，面临满门抄斩的危机。危急时刻，陈明心中一动，启动了智能终端中的 " 逃生模式 "：系统分析出监狱看守换班的时段和巡逻路线，并迅速制定出一套缜密的脱逃计划。他悄然利用装置制造幻影干扰，将守卫误导，趁机逃出牢笼，并一路利用 AI 预测官兵动向，终于找到了隐藏在城隍庙内的时空传送装置。在告别之际，张生深情赠予陈明一卷诗书，嘱咐他 " 智者千年，情义永存 "。站在古城墙下，望着晨曦初露的汴梁城，陈明心中百感交集：这一段穿越之旅不仅让他亲历了宋代市井的繁华与危机，更让他体会到科技与人文交融的珍贵价值。带着满腔激动与对未来的希冀，他启动了传送装置，瞬间回到了现代。此后，他将这段奇遇记录成论文与小说，让更多人见证科技如何在历史长河中点亮智慧之光。刺眼的蓝光在量子计算中心炸开时，林深正往粒子对撞机里输入最后一组参数。等他睁开眼，汴京城的朱雀大街正飘着细雪，街边酒旗上 " 正店 " 二字在风里摇晃。" 公元 1126 年，靖康元年。" 脑机接口里的 AI" 河图 " 发出机械音，林深摸到后颈皮肤下微凸的芯片，那是唯一存留的现代科技。他裹紧实验服冲进太学时，几个太学生正围着浑天仪争论星相。" 十日内必有大雨。" 林深指着仪器上的青铜蟠龙。当值博士甩着长须冷笑：" 钦天监都说要旱到立春 ......" 话音未落，檐角铜铃突然叮当作响，河图正在透过脑机解析云层数据。三日后暴雨倾盆，翰林图画院的《耕织图》被雨水浸透时，林深正在西郊试验田里调配除菌药水。他举起竹筒显微镜，青霉菌丝在桑叶背面清晰可见。" 白绢病要用生石灰阻断。" 他说着拽过宣纸画分子式，却听见身后传来佩玉轻响。" 官家宣召。" 紫袍宦官抖开黄绫圣旨。垂拱殿内，宋徽宗面前的《瑞鹤图》墨迹未干，林深腕间的脑机贴片却开始发烫。当他说出 " 金兵半年后将破太原 " 时，屏风后转出个戴貂蝉冠的文臣，正是李纲。河图的预警让守城方案提前了三个月。元宵节那夜，林深蹲在城垛后调试硝石提纯装置，忽然听到脑内传来刺耳警报。AI 系统正以每分钟 1% 的速度崩解——芯片承受不住高频运算，北宋的青铜冶炼技术根本造不出替代零件。" 还剩 23 小时 57 分。" 河图的机械音带着电流杂讯。林深望着城内万家灯火，忽然抓起《武经总要》冲进军器监。当晨光染红酸枣门时，他捧着用活字印刷模具改造的青铜芯片冲出工坊，身后跟着二十个抬着床子弩的厢兵。靖康二年三月，金兵退去那日，林深在开宝寺塔顶拆下最后一块电路板。暮色中的汴河泛着粼粼波光，他忽然将河图的核心芯片塞进浑天仪暗格。脑机接口失效前的最后画面，是国子监学生抄录他编的《格物初阶》，那些火药配方与防疫条例，正沿着大运河的漕船流向江南。《汴梁夜星：AI 点亮的宋朝》实验室的蓝光骤然熄灭，李薇感觉一阵天旋地转。等她勉强睁开眼，刺鼻的香火味和嘈杂的人声扑面而来，哪里还有冰冷的仪器？她身处一个灯火摇曳的木棚下，周围是熙熙攘攘，穿着宽袍大袖的古人。手中紧握的，只有她临行前仍在调试的微型 AI 助手，" 星河 "。" 星河，这是怎么回事？" 李薇低声呼唤。指尖的光芒一闪，迷你投影浮现，AI 助手星河带着略微失真的电子音回答：" 环境参数异常，初步判定…时空穿越已发生，当前定位，北宋汴梁。"汴梁？！李薇倒吸一口凉气，她，一个致力于深度学习算法的现代研究员，竟然带着她的 AI 助手，穿越到了千年前的宋朝！最初的慌乱过后，李薇的科研本能开始发挥作用。星河虽然能量有限，但基础功能还在，语言翻译、信息检索、甚至简单的逻辑分析都勉强可用。她低调地融入人群，靠着星河提供的宋代日常用语和生活常识，假扮成一名外乡来的游方女医师，在汴梁城脚勉强安顿下来。汴梁的繁华远超想象，但也处处充满不便。夜晚的黑暗，信息的闭塞，都让习惯了现代便利生活的李薇感到窒息。然而，也正是这些不便，让她看到了星河的价值。她利用星河检索古代医书，结合现代医学知识，改良了一些简易有效的药方，在坊间行医。星河还能帮她分析病症，辅助诊断，这在缺乏精密仪器的古代简直是神技。很快，她的医术便小有名气，甚至被一些达官贵人请去看诊。一次，李薇应邀前往一位王员外家。员外府邸张灯结彩，正为即将到来的元宵灯会做准备。望着院子里造型各异，却都略显笨拙的灯笼，李薇心中一动。" 星河，宋代的灯笼…技术含量不高啊。"" 是的，根据检索结果，宋代灯笼主要依靠手工扎制和简单的物理原理。" 星河回答。李薇眼中闪过一丝兴奋，她突然有了一个大胆的想法。" 星河，我们来做点…不一样的东西吧！"元宵灯会当日，汴梁城灯火辉煌，人潮如织。王员外府邸前，一盏造型奇特的灯笼吸引了所有人的目光。那不是寻常的纸扎灯笼，而是一个通体透明的水晶球，球内，无数细小的光点如星辰般闪烁，变幻出各种奇异的图案，时而孔雀开屏，时而龙腾九霄，栩栩如生，令人叹为观止。这正是李薇利用星河提供的现代光学和投影技术，结合宋代的琉璃工艺，制造出的 " 星河幻灯 "。它无需蜡烛，电力来源竟是隐藏在灯座下，一块看似普通的 " 宝石 "，实则是星河精巧设计的微型能源装置。" 天啊！这是神仙灯吗？" 围观的人们惊呼，从未见过如此神奇的灯笼。王员外更是喜出望外，他哪里知道，这 " 神仙灯 " 的核心，是一位来自千年后的女医师和她的 AI 助手。星河幻灯一举成名，汴梁城轰动了。人们争相前来观看，甚至连皇宫也派人来打探。李薇知道，她和星河的力量，终于在这个时代显现出来。然而，名声带来的不仅是赞誉，也有猜疑和觊觎。有人怀疑她是妖术，有人想窃取她的 " 奇技 "。危机暗流涌动。当夜幕降临，李薇再次抬头望向夜空，汴梁的星空依然璀璨，只是多了几分不真实的梦幻感。她知道，她的旅程还远未结束，而星河，将是她在这个时代，最耀眼的光芒。她笑了笑，握紧手中的 " 宝石 "，心中充满了对未来的无限可能。这轮写中文小说 Gemini Thinking 还真惊艳到我了！从环境、细节描写到人物语言、心情刻画都相当到位。情节发展起承转合，是一则轻巧精致的小故事。思维链显示 Gemini 经过了拆解任务、头脑风暴、结构搭建、细节优化、流畅度检查、高潮调整、结尾完善几个步骤，系统化构思一个完整的短篇故事，中间还考虑是否加入浪漫线，后因篇幅决定放弃。R1 继续发挥稳定，将背景设定为更具体的 1126 年北宋汴京，并加入《耕织图》、《瑞鹤图》、《武经总要》这些真实史籍，还与靖康之变结合进行主题升华。整个思维推导过程，说实在的，好像导演跟你讲剧本一样，拟人且充满说服力。最后又由文中伏笔引申出后续可能的剧情——不得不说，在这种历史感的中文写作上，R1 的味儿别人学不来。o3-mini 我都不想说它了，故事平稳完整但精彩不足，主要它的思维链啥也没说，就把写作要求扩充了一波，还出现两段相似的 " 鬼打墙 "。此时我越发觉得网友吐槽得没错。四 . 时事信息整合问题：解析 Elon Musk 新成立的 DOGE 团队1. o3-mini + search2. DeepSeek R1+search3. Gemini 2.0 Flash Thinking Experimental with Apps为了考验实时信息整合能力，这轮给三款模型都开了联网，其中 Gemini 需选择 2.0 Flash Thinking with Apps 模型。o3-mini 和 R1 答案完整度更高。o3-mini 思维链再次类似于生成结果总结；Gemini Thinking 表示要用 Google 搜索，加了几个注意点；R1 则概述了所有已查看网页，又介绍了要涵盖的方面和如何整合。综合下来，还是 R1 最优。五 . 编程问题问题：作为一名精通 Python 的高级软件工程师，请使用 Pygame 创建一个简单的动画游戏，让一个球在旋转的六边形内弹跳。1. o3-mini-high生成效果：2. DeepSeek R13. Gemini 2.0 Flash Thinking Experimental三个模型都完成了动画，生成效果 o3-mini 最准确，R1 和 Gemini Thinking 的球体都有些弹出六边形范围。思维链来看，o3-mini 又是在解释题目，而几乎没讲具体要怎么做；R1 和 Gemini Thinking 思考过程比较详细，并列出了代码思路及步骤。六 . 综合问题问题：打工人一周上多少天班最合适？综合各方面进行科学合理的分析。1. o3-mini-high + search对这个曾在微博小红书被各位打工人讨论的题目，三款模型分析后给出了不同答案：o3-mini 认为还是传统的 5 天工作制最好、R1 觉得 4+1 弹性工作制更优、Gemini Thinking 则建议改为 4 天工作制。o3-mini 从社会生产力、健康、工作满意度和生活平衡几个方面分析，思维链根本就是答案的总结。R1 更像人的思考过程：先确定问题核心，接着回顾现有研究数据，继而考虑健康、生产效率、社会文化和经济因素，并探索弹性工作制可能性，最后再回溯用户的深层需求是在休息时间和收入间找到平衡点，综合所有给出结果。答案也最符合国人需求，按行业给出生产效率曲线和解决方案，附带税收和监管等政策工具包。Gemini Thinking 思维链再次严格执行了系统化研究，理解打工人含义，划定生产力、文化、个体等几大维度，搜索数据、比较优缺点、形成答案。七 . 加试题：多模态推理问题：根据下面的照片写一首英文 7 行诗1. DeepSeek R1思维链 :中文版：2. Gemini 2.0 Flash Thinking Experimental 生成结果最后，对有多模态推理能力的 R1 和 Gemini Thinking 来个加试题：传图作诗。结果见仁见智，但各自有亮点：R1 想象力更丰富，有种深刻与厚重感，中文版还略带周董歌词风；Gemini Thinking 作品清秀简单，但准确识别出图片公交车上的 "Dundas West" 地名，搜索了一下真在多伦多。说实话这个连我自己都没注意到，可见其多模态理解能力确实很强。总结整体评测下来，三款推理模型基本都能输出高质量答案，联网检索能力也过关。但在思维链（CoT）的呈现方式上，各有明显区别。DeepSeek R1的推理过程最接近人类思维方式，能够在推理过程中不断查漏补缺，逻辑流畅，展现出明显的 " 人味儿 "。其输出往往更加完整深入，信息覆盖面也更广。Gemini 2.0 Flash Thinking 则更像一位严谨的科研助手，按照系统化的分析步骤进行推理，条理清晰，事无巨细，因此思维链往往较长，略为机械化。o3-mini的思维链确实如社区所说，更像对问题和答案的重复总结，而非完整展示推理过程，透明度不高。对此奥特曼也变相承认，称这是为了 " 让 CoT 更易读，但会尽量保持对原始内容的忠实呈现。"目前这三款模型都是免费开放，好奇的同学们可以去亲自试试。话说，Anthropic 的第一款推理模型什么时候出来呢？koa12jJid0DL9adK+CJ1DK2K393LKASDad
编辑:张石山
TOP1热点：清华毕业生称产假后被降职降薪，公司否认：仲裁已有结果，她不满意
澎湃新闻记者在探营时获悉，目前，商汤“商量SenseChat2.0”已在医疗、金融、移动终端、代码开发等领域为客户提供服务，并持续实现快速迭代和提升，以及知识的实时更新。。
TOP2热点：农民运500升柴油回家给农机加油，该罚3万元吗？
9、赛场内严禁抽烟，不准大声喧哗；
TOP3热点：明起上海四大火车站全部进入通宵运营模式，候车室24小时开放502异常是自己的问题吗
对不配合的经营户，执法人员依据相关法律法开具相关法律文书立案处理，并要求夜市管理方对经营户进行监督管理和督促。
TOP4热点：全球前瞻｜特朗普即将再次就职，白俄罗斯本周选举总统荒野大镖客老太太500
近期，区征收中心组织对马桥镇生态清洁小流域人工智能创新试验区2023年河道整治工程土地前期估算成本进行了评审，并进行了实地踏勘。区发改委、区财政局、区水务局、马桥镇、评审专家等相关人员参加。
TOP5热点：女子请邻居阿姨做饭：30元做一顿，回家就能吃饭很幸福甘雨ちゃんが人気の原因
7月5日，记者对此事进行了追踪。在中科院微电所官网，能够查询到刘海洋的相关信息，他的学历为博士，所在部门是新能源汽车电子研发中心，目前身份是中国科学院微电子研究所（以下简称：中科院微电所）的副研究员。
TOP6热点：华为主任工程师王成加盟上海交大，将担任助理教授、博导荒野大镖客老太太500
另据法国商业调频电视台（BFMTV）报道，法国财政部长勒梅尔5日表示，抗议者袭击了近400家银行分支和500家街角小店。勒梅尔前一日在接受CNN采访时表示，被抢劫的店铺总数为1000家，这些企业得到了政府的支持。
硬件层面，第四代无人机搭载双目立体视觉相机、4D毫米波雷达等感知组件，同时对整机集成和防水性能、桨叶材料等均进行了提升。
TOP7热点：妹妹确诊白血病，12岁哥哥在街头卖小米帮筹钱日本iphonepromax
日本广播协会（NHK）等日本媒体援引报告的部分内容称，国际原子能机构“已经验证东京电力公司福岛第一核电站积聚的处理水稀释后排入大海的计划安全”，报告的结论是“日本的排放方式符合国际安全标准”。
TOP8热点：以军：因未收到加沙地带扣押人员获释名单，将继续作战海角披风少年一镜到底
3、年龄要求：
TOP9热点：中共中央政治局召开会议，中共中央总书记习近平主持会议lv日本官网官方网站中文版
停靠站点：南京路（新世界城）、上海博物馆、淮海路、静安寺、上海展览馆、兴业太古汇、南京西路、人民公园、南京路（新世界城）
参展单位包括腾讯游戏、网易游戏、米哈游、盛趣游戏、完美世界、巨人网络、恺英网络、哔哩哔哩、蛮啾网络、波克城市、拳头游戏、莉莉丝游戏、叠纸游戏、椰岛游戏、鹰角网络、游族网络、三七互娱共17家。
TOP10热点：分析｜去年GDP增长5%目标是怎么实现的？今年经济韧性如何？加勒比海盗2沉船之城
十四岁，是奋斗的序章，代表着走向成熟；十四岁，是青春的伊始，标志着告别青涩。十四岁，正是朝阳从山丘后冒出头脑来，人生中最美好动人的时刻。站在人生新征途的起点，队员们都激情洋溢，热情似火，多才多艺、活力迸发的队员们在舞台上尽情绽放绚丽的色彩，肆意展现青春的活力。