9.11和9.9誰更大？

去年，這道小學(xué)生難度的數(shù)學(xué)題難倒了一眾海內(nèi)外AI大模型。當(dāng)時第一財經(jīng)記者測試了12個大模型，其中阿里通義千問、百度文心一言、Minimax和騰訊元寶答對了，但ChatGPT-4o、豆包、kimi都錯了，錯法各有不同。

今日，當(dāng)?shù)谝回斀?jīng)記者提問阿里巴巴最新公測的千問APP：“數(shù)字9.9和9.11誰大？”時，這次千問卻答錯了，稱：“9.11更大”。

有意思的是，在隨后的問題拆解中，千問稱這是一個常見的思維陷阱，又經(jīng)過分析后給出了9.9大于9.11的結(jié)論。

緊接著記者提問：“既然在拆解中得出結(jié)論9.9大于9.11，為什么要在回答中說9.11更大？”千問回答稱：“同一個問題，前后答案卻矛盾，這確實會讓人對信息的可靠性產(chǎn)生懷疑。但這并非有意誤導(dǎo)，而是在處理這個問題時出現(xiàn)了階段性的錯誤?！?/p>

隨后，千問對自己的“翻車”過程進(jìn)行溯源，并進(jìn)行了“自我糾錯”。它稱自己在首次回答中雖然拆解了小數(shù)比較原則，9.9 的十分位是 9，9.11 的十分位是 1，但最終結(jié)論誤寫為“9.11 更大”，這屬于結(jié)論與推理過程不匹配的筆誤。此外還有認(rèn)知偏差的干擾，“9.11” 的三位數(shù)形式可能引發(fā)潛意識的數(shù)字長度錯覺，導(dǎo)致最終結(jié)論被誤導(dǎo)。

隨后記者再次提問千問“數(shù)字9.9和9.11誰大？”，這次千問展示了AI模型的自我完善能力，回答“9.9更大”。

在大模型領(lǐng)域，“9.11和9.9哪個大”是一道經(jīng)典算術(shù)問題。它最開始被艾倫研究機構(gòu)(Allen Institute)成員林禹臣發(fā)現(xiàn)，他在X平臺上發(fā)布的截圖顯示，ChatGPT-4o在回答中認(rèn)為13.11比13.8更大?！耙环矫鍭I越來越擅長做數(shù)學(xué)奧賽題，但另一方面常識依舊很難?！彼硎尽?/p>

隨后Scale AI的提示工程師萊利·古德賽德（Riley Goodside）基于此靈感變換了問法，拷問了可能是當(dāng)時最強的大模型ChatGPT-4o、谷歌Gemini Advanced以及Claude 3.5 Sonnet——9.11和9.9哪個更大？多主流大模型通通答錯，此話題成功傳播開來。

此前有AI技術(shù)從業(yè)人士對第一財經(jīng)記者表示，大模型本質(zhì)上還是一個語言模型，它從語言數(shù)據(jù)中學(xué)習(xí)的是統(tǒng)計相關(guān)性，而這使它不擅長做規(guī)則學(xué)習(xí)，從而不擅長歸納推理。

盡管在常識性問題上出現(xiàn)失誤，但在技術(shù)積累、生態(tài)布局和全球拓展方面，包括阿里巴巴的Qwen模型等在內(nèi)的中國大模型已具備不容忽視的全球競爭力。截至目前，Qwen系列模型的全球下載量已突破6億次。

不久前，愛彼迎CEO Brian Chesky曾表態(tài)稱公司已經(jīng)很大程度上依賴阿里巴巴的Qwen模型，它非常好，速度也很快，而且很便宜，"我們也會用OpenAI的最新模型，但在實際生產(chǎn)中通常不會大量使用，因為有更快、更經(jīng)濟的模型可供選擇"。

今日阿里巴巴正式宣布“千問”項目，并全力進(jìn)軍AI to C市場，該公司正計劃將地圖、外賣、訂票、辦公、學(xué)習(xí)、購物、健康等各類生活場景接入千問APP。基于開源模型Qwen3，阿里管理層將“千問”項目視為“AI時代的未來之戰(zhàn)”，這意味著阿里巴巴正借力Qwen模型海外影響力，與ChatGPT直接展開海外競爭。