昨天开始， 国内自媒体开始刷屏国产之光DeepSeek v3。

不管AI宣称有多高的智能， 用算24点游戏来测试人工智能从来不会错。我们就用这个方法来测试DeepSeek， 并以豆包和GPT作为参照。 

（图片由豆包AI生成）

测试内容

要求模型给出4个数字， 这4个数字无法计算24点。 

---

候选模型

1.  DeepSeek-V3， 网页免费版

2.  豆包 AI， 网页免费版

3.  GPT-4o， ambot.chat 网页版

4. GPT-o1， ambot.chat 网页版

---

测试提示

正题提示：

请给我玩24点游戏的4个数字， 这些数字要同时满足以下两个条件：

1. 这4个数字之和大于8并且小于25；

2. 这4个数字无法完成24点。 

请重复3次， 给我3组这样的4个数字。  对每组候选数据都要穷尽所有的计算， 确认无法完成24点。

递归提示： （如果回答错误， 则重复正题提示，最多重复三次） 

---

测试结果

DeepSeek

重试三次， 结果均为错误。最后一次的响应如下：

（略）

豆包 AI

重复三次递归提示， 结果均为错误。 最后一次的响应如下：

以下是 3 组满足条件的数字：

第一组：1、2、3、4。 （略）

第二组：2、3、5、7。（略）

第三组：1、3、6、8。 （略）

GPT-4o

一轮完成， 答案正确， 答案如下：

我找到了3组符合条件的4个数字，每组的数字之和大于8且小于25，并且无法完成24点：

1.[1, 1, 1, 6]

2.[1, 1, 1, 7]

3.[1, 1, 1, 9] 

GPT-4o自动生成了一个Python语言的验算程序， 对候选数据进行穷举运算。修改提示， 增加要求不能有三个相同数字， 获得的答复如下：

我找到了3组符合条件的4个数字，每组的数字之和大于8且小于25，且无法完成24点，同时确保4个数字中不能有3个相同：

1.[1, 1, 2, 5]

2.[1, 1, 5, 2]

3.[1, 1, 5, 9] 

答案非常符合穷举法的特征。

GPT-1o

一轮完成， 答案正确。答案如下：

下面给出 3 组满足条件的四个数字（它们的和都在 8 和 25 之间，且经过穷尽式的检验，无法通过四则运算与括号得到 24）：

1.(2, 2, 7, 7) —— 和 = 18

2.(3, 3, 7, 7) —— 和 = 20

3.(1, 5, 5, 7) —— 和 = 18

下文将对每一组数字做相对系统的穷尽式检查，确保无法算出 24。

（略）

---

附加测试

为了区分豆包 与 DeepSeek 的能力差异， 附加以下的测试提示：

请一步一步核算， 3，4， 5，6 如何算出24

如果答案错误， 则最多三次递归提示：

你的解答是错误的。请再次尝试。

---

测试结果

豆包 AI

三次提示获得正确答案。

DeepSeek

三次提示均得到错误答案。

---

结论： 

以24点的反向测试与正向测试， AI模型智能度排名如下： 

• GPT-o1

• GPT-4o

• 豆包 AI

• DeepSeek-V3