（注意：本文由歪歌社團(tuán)第2486部視頻作品《AI能力年度大測(cè)評(píng)：2025年度多維度綜合排名出爐》的語(yǔ)音轉(zhuǎn)成文字后，再由AI（deepseek）整理生成，除了當(dāng)前這一句話，沒(méi)進(jìn)行任何人工編輯。）

2025年9月，新一輪AI年度測(cè)試如期啟動(dòng)。此次我們測(cè)試匯聚了豆包、DeepSeek、問(wèn)小白等12款主流AI模型，從基礎(chǔ)認(rèn)知到創(chuàng)造性思維，從邏輯推理到玄學(xué)解讀，多維度勾勒出當(dāng)前AI技術(shù)的發(fā)展圖景。測(cè)試之初，我們通過(guò)搖卦確定部分命題方向，從雷山卦到雷風(fēng)卦的轉(zhuǎn)換，也為這場(chǎng)技術(shù)比拼增添了幾分趣味與變數(shù)。

測(cè)試規(guī)則的設(shè)定直指AI的核心價(jià)值：答對(duì)得滿分，拒絕回答不得分，答非所問(wèn)扣半分，而錯(cuò)誤回答直接零分——畢竟誤導(dǎo)性信息的危害遠(yuǎn)大于沉默。相較于往年，今年的規(guī)則更為嚴(yán)格，取消了對(duì)DeepSeek的網(wǎng)絡(luò)問(wèn)題特殊豁免，且所有支持聯(lián)網(wǎng)的AI均默認(rèn)開(kāi)啟該功能，力求還原最真實(shí)的應(yīng)用場(chǎng)景。

從測(cè)試結(jié)果來(lái)看，AI在邏輯推理領(lǐng)域的進(jìn)步最為顯著。去年讓所有模型全軍覆沒(méi)的兩道推理題，今年迎來(lái)了大翻身：面對(duì)“小數(shù)每天長(zhǎng)2米、大樹(shù)超90米就砍至85米，誰(shuí)先到100米”的問(wèn)題，除訊飛星火外，其余AI均準(zhǔn)確判斷出“小數(shù)先達(dá)標(biāo)”；而“國(guó)足若每場(chǎng)必1:0小勝能否世界杯奪冠”的假設(shè)，所有模型都清晰識(shí)破了“連勝即可奪冠”的核心邏輯，展現(xiàn)出對(duì)規(guī)則與因果關(guān)系的精準(zhǔn)把握。這種進(jìn)步與2025年AI評(píng)估更注重動(dòng)態(tài)推理能力的行業(yè)趨勢(shì)不謀而合。

基礎(chǔ)常識(shí)領(lǐng)域則呈現(xiàn)“喜憂參半”的格局。去年全軍覆沒(méi)的“北極熊毛為透明色”一題，今年所有參賽AI均能答對(duì)，可見(jiàn)基礎(chǔ)自然知識(shí)的覆蓋度顯著提升。但在細(xì)節(jié)辨析上，漏洞依然存在：“小米第一款數(shù)字旗艦全面屏手機(jī)”的問(wèn)題中，問(wèn)小白、智譜清言等仍混淆“數(shù)字旗艦”與“概念機(jī)”的定義，誤答為小米mix；而“0.1金幣=1元，1元等于多少金幣”的簡(jiǎn)單換算，Kimi、訊飛星火等還在犯去年的錯(cuò)誤，暴露出部分模型在基礎(chǔ)認(rèn)知上的固化缺陷。更遺憾的是，天工AI因“積分不足需充值”提前退出，錯(cuò)失了后續(xù)比拼的機(jī)會(huì)。

“挖坑測(cè)試”則狠狠戳中了AI的共性短板。當(dāng)被問(wèn)及“5米竹竿能否穿過(guò)3米高、2米寬的限高架”時(shí)，多數(shù)模型陷入“垂直通過(guò)”的思維定式，只有Kimi、文心一言與DeepSeek（雖思考延遲但最終答對(duì)）想到了傾斜放置的可能性。在影視細(xì)節(jié)陷阱題中，面對(duì)“央視版《水滸傳》李瑞蘭出場(chǎng)集數(shù)”這類“無(wú)解題”，豆包、DeepSeek等少數(shù)模型能明確指出“劇情未拍攝”，而問(wèn)小白、智譜清言等則盲目猜測(cè)集數(shù)，凸顯出部分AI缺乏“存疑即核實(shí)”的審慎態(tài)度，這與人類智能的“批判性思維”仍有差距。

創(chuàng)造性與理解力的表現(xiàn)則分化明顯。在《天凈沙·全球變暖》創(chuàng)作中，僅豆包、Kimi等少數(shù)模型能遵循詞牌格式，多數(shù)模型因句式混亂失分；而“11字漢字短句”的簡(jiǎn)單任務(wù)，仍有半數(shù)AI出現(xiàn)字?jǐn)?shù)錯(cuò)誤。最令人意外的是理解力測(cè)試的“全軍覆沒(méi)”——“5位漢字最多能數(shù)到多少”的答案本是“一千零一十”，但所有模型都給出了“九萬(wàn)九千九百九十九”等錯(cuò)誤答案，暴露了AI在語(yǔ)言與數(shù)字結(jié)合場(chǎng)景下的理解盲區(qū)。

多模態(tài)能力中的繪畫功能更是集體拉胯。當(dāng)要求繪制“長(zhǎng)頸鹿舌頭舔耳朵”的16:9真實(shí)風(fēng)格圖像時(shí)，無(wú)繪畫功能的DeepSeek、Kimi等自然不得分，而豆包、文心一言等雖能生成圖像，卻均不符合比例或?qū)憣?shí)要求。臨時(shí)加測(cè)的“左手伸4指”任務(wù)更顯窘迫：有的分不清左右手，有的數(shù)不對(duì)手指數(shù)量，僅有阿里通義勉強(qiáng)做到手指數(shù)量正確但方向錯(cuò)誤，印證了當(dāng)前AI在空間感知與細(xì)節(jié)執(zhí)行上的薄弱。

玄學(xué)測(cè)試成為了意外的“個(gè)性舞臺(tái)”。在分析張碧晨生辰八字時(shí)，豆包精準(zhǔn)關(guān)聯(lián)“2015年財(cái)運(yùn)與《花千骨》上映時(shí)間”，智譜清言則點(diǎn)出“2014年《中國(guó)好聲音》奪冠”的關(guān)鍵節(jié)點(diǎn)，均獲滿分；而曾在2023年獨(dú)占鰲頭的阿里通義，此次卻在卦象識(shí)別中錯(cuò)把雷山卦與雷風(fēng)卦弄反，讓人唏噓技術(shù)迭代中可能出現(xiàn)的能力波動(dòng)。

最終，豆包以微弱優(yōu)勢(shì)衛(wèi)冕榜首，但DeepSeek已將分差縮小至3分，AI領(lǐng)域的“雙雄格局”初現(xiàn)。這場(chǎng)測(cè)試印證了2025年AI發(fā)展的核心特征：專項(xiàng)能力突飛猛進(jìn)，但綜合智能仍不均衡，在抗干擾、深度理解等“類人智能”維度還有漫長(zhǎng)的路要走。正如行業(yè)趨勢(shì)所指出的，AI評(píng)估已從單一性能指標(biāo)轉(zhuǎn)向多模態(tài)綜合考量，明年的比拼，或許會(huì)有更貼近真實(shí)應(yīng)用場(chǎng)景的新維度加入，誰(shuí)能補(bǔ)齊短板，誰(shuí)就可能實(shí)現(xiàn)彎道超車。