一道看似簡單的數(shù)學(xué)題——比較9.9與9.11的大小，竟成為考驗(yàn)人工智能模型能力的試金石。近日，阿里巴巴最新公測的千問APP在回答該問題時(shí)出現(xiàn)失誤，引發(fā)業(yè)界對AI模型基礎(chǔ)運(yùn)算能力的關(guān)注。測試中，千問首次回答稱"9.11更大"，隨后在問題拆解階段又正確指出"9.9大于9.11"，最終通過自我糾錯(cuò)機(jī)制修正了答案。

據(jù)技術(shù)團(tuán)隊(duì)分析，此次錯(cuò)誤源于雙重因素：一方面，模型在推理過程中雖正確拆解了小數(shù)比較規(guī)則（9.9的十分位為9，9.11的十分位為1），但最終結(jié)論出現(xiàn)筆誤；另一方面，"9.11"的三位數(shù)形式引發(fā)了數(shù)字長度錯(cuò)覺，導(dǎo)致潛意識(shí)干擾。這種認(rèn)知偏差在語言模型處理數(shù)值問題時(shí)尤為常見，因其本質(zhì)是通過統(tǒng)計(jì)相關(guān)性而非嚴(yán)格邏輯推理進(jìn)行判斷。

該問題最早由艾倫研究機(jī)構(gòu)成員林禹臣發(fā)現(xiàn)。他曾在社交平臺(tái)曝光ChatGPT-4o將13.11誤判為大于13.8的案例。隨后，Scale AI工程師萊利·古德賽德設(shè)計(jì)變體問題"9.9與9.11誰更大"，導(dǎo)致包括ChatGPT-4o、谷歌Gemini Advanced在內(nèi)的多個(gè)主流模型集體"翻車"。這一測試迅速成為衡量AI基礎(chǔ)能力的標(biāo)志性案例。

盡管在常識(shí)性運(yùn)算上存在短板，中國AI模型在全球化競爭中已展現(xiàn)強(qiáng)勁實(shí)力。以阿里巴巴Qwen系列為例，其全球下載量突破6億次，在技術(shù)積累與生態(tài)布局方面形成獨(dú)特優(yōu)勢。愛彼迎CEO布萊恩·切斯基公開表示，公司已大規(guī)模采用Qwen模型替代部分OpenAI服務(wù)，因其"速度更快、成本更低"。這種選擇折射出商業(yè)場景對模型實(shí)用性的考量正在超越單純的技術(shù)參數(shù)競爭。

阿里巴巴日前正式宣布全面進(jìn)軍AI消費(fèi)級(jí)市場，將地圖導(dǎo)航、外賣訂餐、票務(wù)預(yù)訂等20余個(gè)生活服務(wù)場景接入千問APP。該平臺(tái)基于開源模型Qwen3構(gòu)建，被管理層視為"AI時(shí)代的關(guān)鍵戰(zhàn)役"。此舉不僅意味著中國科技企業(yè)正借助開源生態(tài)擴(kuò)大國際影響力，更標(biāo)志著AI競爭從技術(shù)層面向應(yīng)用層面全面升級(jí)。值得關(guān)注的是，千問項(xiàng)目在修正基礎(chǔ)運(yùn)算錯(cuò)誤的同時(shí)，正通過多模態(tài)交互與場景化訓(xùn)練持續(xù)提升模型泛化能力。