今年DeepSeek的橫空出世之后，整個AI圈可謂是直接變天了。

先是OpenAI打自己臉，表示閉源策略是“站在了歷史的錯誤一邊”。

隨后百度這邊也付出了實際行動。

這就很有節(jié)目效果。

DeepSeek一開源，天突然就亮了，風(fēng)突然就停了。

當(dāng)然啦，DeepSeek除了帶起了大模型開源的趨勢。

最近我還發(fā)現(xiàn)，它還把很多家大廠的「推理模型」給“逼”出來了。

比如騰訊，前陣子就發(fā)布了自研的深度思考模型。

再到這兩天，豆包緊隨其后，開啟了自研深度思考模型的灰度測試。

很可惜的是，機(jī)哥沒被灰度上。

而阿里最新推出的——

QwQ-Max-Preview推理模型

目前倒是完全免費可用，而且也支持深度思考和聯(lián)網(wǎng)搜索兩大功能。

至于百度的「深度搜索」功能，雖說也基于自研的文心大模型4.0 Turbo。

但我發(fā)現(xiàn)它只提供一張免費權(quán)益卡。

也罷…

用來做個對比評測夠用了。

至此，百度、阿里、騰訊和字節(jié)跳動都有了自研的、且支持深度思考的推理模型。

此情此景，不來個賽博斗蛐蛐都說不過去了。

誰家推理模型更好用？

咱們就一塊看看，幾家推理模型的實際能力如何。

先來看很經(jīng)典的大模型翻車問題——

9.11和9.9誰大

這問題對于人類來說，沒啥難度可言。

但很多大模型，往往會把小數(shù)點后的9和11用來比較，識別出11比9大，就得出9.11＞9.9的結(jié)論。

屬于是聰明了，但只聰明了一半。

但說實話啊，現(xiàn)在各家的深度推理模型，基本就不會犯這樣的錯誤了。

因為推理模型本身就有很強(qiáng)的邏輯推理、自我反思能力。

比如這是阿里QwQ-Max-Preview推理模型，所給出的答案。

他的思考過程就很有意思，知道這個問題經(jīng)常會有大模型翻車，也知道要著重看小數(shù)點部分。

最終給出的答案也很準(zhǔn)確。

同樣的問題，我也扔給了騰訊元寶的混元T1推理模型。

實際體驗下來，混元T1推理模型的思考過程很快。

用時14秒，也有展示思維鏈，給出的答案準(zhǔn)確。

而論起思考的時長和深度，DeepSeek無疑是最詳細(xì)的。

答案沒啥毛病。

最后是百度文心一言的深度搜索。

有一說一，雖然它也提供了深度思考的過程。

但機(jī)哥總覺得，它這個思考過程太過繁雜，我看完都差點把自己繞進(jìn)去了。

大伙可以點開大圖，感受一下。

相較起來，阿里和混元的深度思考過程，確實簡潔明了不少。

比如它們都考慮到十分位和版本號等差異。

最后根據(jù)正確的數(shù)學(xué)數(shù)值對比，給出正確答案。

當(dāng)然從這輪測試能看出，“數(shù)字比較”對于推理模型已經(jīng)沒啥難度了。

那咱們再重點關(guān)注下，各家推理模型的聯(lián)網(wǎng)搜索和整合能力。

我的問題是：

“幫我詳細(xì)匯總今年要發(fā)布的影像超大杯手機(jī)的配置、定位和特色”。

咱們先看看，阿里QwQ-Max-Preview模型的回答。

老樣子，它依舊給出了詳細(xì)、直觀且邏輯清晰的思考過程。

最后給出的答案，機(jī)哥自個兒是挺滿意的。

像是小米15 Ultra、vivo X200 Ultra、OPPO Find X8 Ultra和華為華為Pura 80 Ultra等超大杯的定位和核心出裝，都匯總得很到位。

騰訊元寶這邊，得益于優(yōu)質(zhì)的公眾號文章信源。

給出的回答甚至更勝一籌，對各家超大杯的配置、定位和特色，盤點得更加齊全。

咳咳，它甚至把機(jī)哥寫的文章當(dāng)作信源之一了。

而文心一言這邊。

說實話其他國產(chǎn)超大杯的配置，給出的信息都問題不大。

但唯獨這三星S25 Ultra吧。

我尋思這機(jī)子不都發(fā)布了么，怎么還寫著“發(fā)布時間未明確提及”。

最后是大家比較關(guān)心的，DeepSeek的表現(xiàn)。

只能說，還是熟悉的味道，一到下午就服務(wù)器繁忙。

總的來說，在聯(lián)網(wǎng)搜索這一塊，阿里的QwQ-Max-Preview和騰訊的混元T1表現(xiàn)都挺不錯。

平時懶得在傳統(tǒng)搜索引擎做主動篩選的機(jī)友。

其實可以找它們，來幫忙搜索和總結(jié)聯(lián)網(wǎng)信息。

文心一言的深度搜索，我體驗下來是能用的，但偶爾會掉下鏈子。

再看看它們的文案創(chuàng)作能力。

我測試下來，感覺阿里的推理模型，效果最接近DeepSeek。

機(jī)哥讓它用孫笑川吧吧友的語氣，銳評我自己。

它通過聯(lián)網(wǎng)搜索，結(jié)合深度思考過程，摸清了好機(jī)友的文風(fēng)和調(diào)性，銳評起來也是毫不留情。

什么“科技界的三和大神”。

什么“教人下個App都要配8張表情包”。

破防了家人們。

而騰訊元寶和文心一言的攻擊性，倒也不是說不夠強(qiáng)。

但機(jī)哥總感覺遣詞造句差點味道。

噴得不夠絲滑，不夠陰陽怪氣。

（騰訊元寶）

（文心一言）

這一輪測試的結(jié)果，倒是符合機(jī)哥預(yù)期。

因為阿里的Qwen2.5-Max，在剛發(fā)布的時候，它在多個基準(zhǔn)測試中的性能，表現(xiàn)都比DeepSeek-V3更強(qiáng)。

非要比個孰優(yōu)孰劣的話。

Qwen2.5-Max更擅長數(shù)學(xué)和編程，DeepSeek-V3更擅長文案創(chuàng)作、解析和總結(jié)。

比如我讓Qwen2.5-Max畫一個貪吃蛇游戲。

它半分鐘不到就給我整出來了。

更多開源模型正在路上

當(dāng)然更讓人興奮的是。

阿里官方表示，后續(xù)會把QwQ-Max、Qwen2.5-Max這倆旗艦?zāi)Ｐ瓦M(jìn)行開源。

其中就包括，更適合端側(cè)運行的小尺寸模型。

這就讓我很好奇，iPhone吃上阿里大模型后，「蘋果牌AI」會有怎樣的表現(xiàn)。

不得不說，自從DeepSeek搞起了一輪“開源轟炸”后。

整個AI圈都或主動、或被動地加入到這股浪潮。

答案呈現(xiàn)更直觀、更嚴(yán)謹(jǐn)、更聰明的推理模型，成為了大廠們的必爭之地，目前騰訊、阿里、字節(jié)跳動和百度都出手了。

估計后續(xù)還會有更多廠商進(jìn)來玩。

而開源模型的不斷涌現(xiàn)，肯定也更有利于，把大模型普及到各行各業(yè)，乃至各個App。

想象一下。

打開美團(tuán)，大模型自動幫你推薦合胃口的外賣。

閱讀微信文章，微信提供大模型一鍵總結(jié)摘要的功能。

去電商App買個手機(jī)，大模型還能幫你匯總手機(jī)的配置和優(yōu)缺點。

嘖，想想就覺得很爽。

圖片來自網(wǎng)絡(luò)