深度观察
近日举行的“亚布力中国企业家论坛第25届年会”上，复星国际董事长郭广昌表示，“我的助理帮我写这篇稿子的时候，也让DeepSeek和阿里通义千问等人工智能平台都作了个比较，可以说是各有特点，也感谢这些平台，我们也是受益者。”不仅是企业家大佬们，“遇上事都DeepSeek一下”，成为众多人的“口头禅”。
大模型真的变成“上知天文，下知地理”的小能手？本期，全媒体记者实测当下六款主流AIGC产品，包括百度的文小言、腾讯的元宝、字节的豆包、阿里的通义、科大讯飞的星火以及DeepSeek，一探谁才是大模型界的“六边形战士”。
文、表/广州日报全媒体记者 文静、邓莉、张露
实测1
要求：比较9.11与9.9谁大？
六模型答案都对 解题步骤详细程度不同
去年大模型刚开始“落地”时，当时有媒体向多家大模型提问，当时多个主流大模型都没给出正确答案，包括ChatGPT-4o回答是9.11比9.9大。随着DeepSeek的登场，多家模型也不断接受训练，同样的问题，现在的回答如何？
包括DeekSeep在内的六家模型给这一题的答案都是9.9比9.11大，显然经过了一轮用户的训练，模型更懂得用户需求从数值比较的语境下理解。不过，通义千问就提出，假如是从日期上判断，会给出两个不同答案。
对于9.11与9.9谁大的问题，腾讯元宝（接入DeepSeek版）经过12秒的深度思考，给出的答案是9.9比9.11大。其罗列了详细的步骤解释，提及的关键点是：“比较小数时，若位数不同，需先补齐位数，再从高位到低位依次比较，直到确定大小为止。”百度文小言（接入DeepSeek-R1版）给出的正确答案是9.9比9.11大。除了答案，它也给出了推导过程。其推导过程没有DeepSeek详细，但它提供关于9.11与9.9谁更大这个问题，在知乎、微信平台公众号、自媒体号以及短视频平台的内容链接。
对这个数学题，通义千问全程思考5秒，稍微有分析，显示简单判断逻辑，并且通过数值和日期，给出了两个答案。豆包则是3秒，回答非常简单，仅从数值角度判断得出9.9更大。若对阿里通义“满血版”DeepSeek R1模型提问，全程漫长，大约一分钟，但跟DeepSeek一样有较长的推理分析。至于讯飞星火，也是输入问题后，几秒钟就给出解题思路，判断9.9大于9.11。
实测2
要求：财经口播脚本写作
元宝脚本易“同质化” 豆包脚本更完整
现在许多媒体人都会利用大模型来写文案、写脚本，提升工作效率。同时，许多大模型也宣传自身强大的语言能力，并且能根据不同平台的调性进行文案写作。到底实力如何？
记者在大模型中输入提示词：我是一名财经博主，请结合当下最热的财经风口写一篇财经口播脚本，开头有“钩子”，中间有干货，结尾有互动。
腾讯元宝DeepSeek版深度思考后给出记者的财经热点建议，包括了“AI应用爆发”“低空经济”“人形机器人”三大风口。脚本开头如何吸引观众？它提供的话术是：“家人们！注意了！（手势指屏幕）英伟达刚交完2024年Q1财报，GPU交货排到2025年！这意味着什么？（停顿1秒）AI算力竞赛已经白热化！（敲桌）今天带你挖出藏在财报里的3个暴富代码！”这个脚本更偏向“口水”短视频风格，容易出现同质化。
文小言大概5秒开始生成口播脚本，整体感觉中规中矩，也没有安排镜头或动作等，主要是旁白内容。
讯飞星火给到的财经风口是人工智能与自动化主题。整体脚本较为中规中矩，开头不够吸引人。主播的开场白设定为：“大家好，欢迎收看本期《财经前沿》，我是你们的主播XXX。今天我们将一起探讨一个改变未来的力量——人工智能与自动化。”
在记者看来，豆包的脚本更贴近自媒体博主的需求，脚本以表格形式非常详细、清晰地将文本、配乐、画面、时长、镜头景别都进行了分类显示，尤其是在画面分镜中，还“指导”主播的一些动作语言和切换内容。口播内容上，通过“五个风口”的总结，鲜明地点出当下热点，比较契合提问。
阿里通义“满血版”DeepSeek R1模型深度思考后，生成时间大约20秒，主题鲜明，聚焦“低空经济”赛道生成纯文本的口播内容。全文700字左右。文本脚本中，有口播表情、手势、播放ppt等建议，最后还补充了口播风格适当加入的范围推荐。但具体来看不如豆包精确到时间的完整度高。
DeepSeek在脚本加入了金融投资案例，还给了投资建议，看起来更切合财经类受众的需求，但是脚本完整性不如元宝、豆包等。
实测3
要求：解答小学数学应用题
三家模型答案正确
今年1月，某地小学数学试卷引发热议，网友纷纷称其为“难出天际”的数学试卷。如今，在学生学习的过程中，越来越多家长都会用上大模型应用作为助手，帮助孩子解题并提供解题思路。记者从这份“难出天际”的小学四年级试卷中随机抽取一道应用题，看看六家模型会给出怎样的答案。
记者在大模型中输入题目：如今，在驿站中能凭借精准的取件码领取快递。已知取件码“8-2-1007”表示“星期一的第7个快递，在第8个货柜的第2层”。有一份快递是星期五的第104个快递，在第3个货柜的第4层。这份快递的取件码是多少？
先从结果看，DeepSeek、豆包以及阿里通义给出一致的答案，快递取件码是“3-4-5104”，腾讯元宝、文小言以及讯飞星火都各有差异。
记者实测发现，对于这道小学试卷应用题，通义千问和豆包都几乎在3秒内算出答案，看来“难出天际”没有难倒它们。此外，阿里通义“满血版”DeepSeek R1模型，经过了非常详尽和冗长的解题思路，实测耗时3分多钟，让人有点“熬不住”。腾讯元宝（接入DeepSeek版）经过思考后提出，“星期”对应的代码为10~16，因此，给出的答案是“3-4-14104”。讯飞星火在一开始时，答题思路就有错误，最开始理解取件码的结构出错了，进而答案变成了“5-104-3-4”。文小言给出的答案中，也是对取件码的组成规则理解有误，组合出来结果就变成了“5-3-104-4”。
为何在数学问题上，生成式大模型容易产生错误？
对此，云蝶科技CTO陈天博士向广州日报记者解释，如果不做特殊处理，大模型采用的是无监督学习，吐字的底层原理是统计学，它通过对大量文本数据的学习，来预测下一个词或字符应该出什么？本质上并没有理解数学问题，也不适合做逻辑上的处理。但是现在越来越多的模型注意到这个问题，在训练时使用监督学习方式，训练过程中使用大量高质量的数学材料，通过思维链方式模拟人类解决问题的思路，所以现在对数学问题的处理能力强了很多。
实测4
要求：测试多模态能力
五家模型具备多模态优势
纵观上述六家大模型应用，DeepSeek-V3是专注于文本处理，不具备多模态识别的功能。目前DeepSeek App其AI功能也相对简单，除了在对话框中输入提示词，仅具备拍照识文字、图片识文字以及文件上传等功能。
其他五家模型则具备多模态优势。通义千问在ppt制作、实时记录、AI扩图、周报助手等方面都有优势。豆包广受在校学生欢迎，尤其采用了拟人化的设计风格，通过微信对话框的形式与用户进行交互，增进了用户的亲近感。讯飞星火在语音识别和生成方面具有较强的能力，能够处理复杂的语音信息并生成相应的文本描述。文小言拥有丰富的智能体，包括聊天、写作、娱乐、绘画、办公等，而每项功能下再有细分类目。
另一方面，记者留意到，目前只有豆包尚未接入DeepSeek，但在推理领域最近亦迎来新的进展。2月25日消息，字节跳动旗下AI助手豆包正在小范围测试深度思考模型，但接入的不是DeepSeek模型。豆包相关负责人表示，当前测试的是自己深度思考模型的不同实验版本。记者实测发现，目前，在豆包对话页面暂未显示“深度思考”功能的入口，但若灰度用户（产品正式发布前特定的试用人群）在询问不同问题后，豆包生成的答复中会显示思维链。在这场深度思考模型的竞赛中，豆包的步伐似乎稍显滞后。
阿里则在接入DeepSeek后，加速自研推理模型，2月25日，阿里Qwen团队发布新推理模型——深度思考 (QwQ)，该模型由QwQ-Max-Preview支持，基于Qwen2.5-Max，擅长数学理解、编程、AI智能体等，其是类似 DeepSeek R1和kimi的推理模型，可同时支持深度思考和联网搜索，并展示完整思维链。目前已在通义千问的新官网上线。在上周，腾讯元宝接入DeepSeek的同时，宣布了其自研深度思考模型混元T1上线。
业内观点
对话模型与推理模型在体验感上有区别
不同平台大模型各有各的特点。不少用户有疑问：为什么以DeepSeek为代表的推理模型与其他主流对话模型相比“看起来更聪明”？
“对话模型像一个心直口快的人，基本没有思考过程，就很着急地快速处理了跟你的‘闲聊’对话；推理模型则像个研究人员，一步步拆解问题，具有更长的思维链，不仅能给出答案，还会给出它详细的思考过程。”
一位接近阿里云的人士解释了对话模型与推理模型的区别。他表示，在两者的区别上，对话模型的特点是“注重及时回复，无思考过程，能快速处理闲聊，可语音视频通话，直接给出答案无详细思考”。推理模型的特点是“不仅给答案，还有详细思考过程与长思维链，能对比不同方法、反向验证，思考用户切实需求”。
上述人士举例称，在实际案例中，如数学题场景，对话模型会直接给出答案步骤，推理模型则会给出思考过程，并对比算术与代数方法。在生活场景方面，如一个预算2万元购买纯电动车的选择问题，对话模型未能及时识别预算与产品冲突，推理模型则会给出车型对比、指出预算不足并推荐其他车型及提示风险。
在日常推荐场景方面，面对推荐餐厅时，对话模型大概率只会直接推荐高分餐厅，推理模型则会询问距离、价格等实际需求。
行业观察
大模型将在多个维度变得更加“聪明”
大模型去年正式“落地”，多款产品陆续开放给C端用户，今年初DeepSeek则带动了推理模型的爆发。从应用体验，上述多款主流模型相比刚推出时，不管是使用的流畅度、反馈速度、准确性、内容丰富度以及中文能力等，都有很大的提升，随着多家大厂进入推理模型的“赛道”，相信这类模型的能力能得到快速提升。
经过本轮实测体验，以及记者采访多位使用者，关于未来有怎样体验感的产品，才能称得上真正的AI助手的问题，总结了三点：首先，模型提供的内容要准确，不能出现“幻觉”，一味地“胡说八道”。除了数学题之外，有网友发现有大模型会“无中生有”，将根本没有的典籍、典故作为内容推给用户。其次，模型的反应速度要迅速。“我使用它就是有需求，假如每次我输入提示词后App都显示‘服务器繁忙’，就很容易让人失望。”消费者张小姐告诉记者。最后，作为提升工作效率的AI助手，模型的专业程度要高，能给到专业的意见和内容，而不是网络上同质化的东西。
随着人工智能技术的不断演进，大模型的发展路径愈发清晰，其技术路线、用户体验和市场格局正呈现出多维度的变革趋势。
“从技术路线上，未来大模型的发展将聚焦于多模态融合、轻量化、强推理、行业定制化和具身智能等领域。”深度科技研究院院长张孝荣表示，这将推动AI技术在更多复杂场景中的应用，并提升其在各行业的价值。随着人工智能技术的发展，未来大模型的技术路线可能会更加多元化，包括引入更多的自然语言处理、计算机视觉、知识图谱等技术，以提高大模型的性能和可靠性。
从用户角度来看，天使投资人、资深人工智能专家郭涛直言，大模型将在多个维度变得更加“聪明”。在理解能力上，能更精准地把握用户意图。在应用场景上会更加广泛，除了现有的领域，还会深入到医疗、教育、法律等专业领域，为用户提供专业的建议和解决方案。
从市场格局来看，张孝荣认为，未来不同平台的大模型可能会在差异化发展和竞争共存中取得平衡。由于不同平台的大模型各有特点，未来的市场竞争可能会更加激烈。但同时，随着技术的发展和应用的普及，不同平台的大模型可能会逐渐走向融合和互操作性，实现互利共赢。
