9.11和9.9谁更大？
去年，这道小学生难度的数学题难倒了一众海内外AI大模型。当时第一财经记者测试了12个大模型，其中阿里通义千问、百度文心一言、Minimax和腾讯元宝答对了，但ChatGPT-4o、豆包、kimi都错了，错法各有不同。
今日，当第一财经记者提问阿里巴巴最新公测的千问APP：“数字9.9和9.11谁大？”时，这次千问却答错了，称：“9.11更大”。
有意思的是，在随后的问题拆解中，千问称这是一个常见的思维陷阱，又经过分析后给出了9.9大于9.11的结论。
紧接着记者提问：“既然在拆解中得出结论9.9大于9.11，为什么要在回答中说9.11更大？”千问回答称：“同一个问题，前后答案却矛盾，这确实会让人对信息的可靠性产生怀疑。但这并非有意误导，而是在处理这个问题时出现了阶段性的错误。”
随后，千问对自己的“翻车”过程进行溯源，并进行了“自我纠错”。它称自己在首次回答中虽然拆解了小数比较原则，9.9 的十分位是 9，9.11 的十分位是 1，但最终结论误写为“9.11 更大”，这属于结论与推理过程不匹配的笔误。此外还有认知偏差的干扰，“9.11” 的三位数形式可能引发潜意识的数字长度错觉，导致最终结论被误导。
随后记者再次提问千问“数字9.9和9.11谁大？”，这次千问展示了AI模型的自我完善能力，回答“9.9更大”。
在大模型领域，“9.11和9.9哪个大”是一道经典算术问题。它最开始被艾伦研究机构(Allen Institute)成员林禹臣发现，他在X平台上发布的截图显示，ChatGPT-4o在回答中认为13.11比13.8更大。“一方面AI越来越擅长做数学奥赛题，但另一方面常识依旧很难。”他表示。
随后Scale AI的提示工程师莱利·古德赛德（Riley Goodside）基于此灵感变换了问法，拷问了可能是当时最强的大模型ChatGPT-4o、谷歌Gemini Advanced以及Claude 3.5 Sonnet——9.11和9.9哪个更大？多家主流大模型通通答错，此话题成功传播开来。
此前有AI技术从业人士对第一财经记者表示，大模型本质上还是一个语言模型，它从语言数据中学习的是统计相关性，而这使它不擅长做规则学习，从而不擅长归纳推理。
尽管在常识性问题上出现失误，但在技术积累、生态布局和全球拓展方面，包括阿里巴巴的Qwen模型等在内的中国大模型已具备不容忽视的全球竞争力。截至目前，Qwen系列模型的全球下载量已突破6亿次。
不久前，爱彼迎CEO Brian Chesky曾表态称公司已经很大程度上依赖阿里巴巴的Qwen模型，它非常好，速度也很快，而且很便宜，"我们也会用OpenAI的最新模型，但在实际生产中通常不会大量使用，因为有更快、更经济的模型可供选择"。
今日阿里巴巴正式宣布“千问”项目，并全力进军AI to C市场，该公司正计划将地图、外卖、订票、办公、学习、购物、健康等各类生活场景接入千问APP。基于开源模型Qwen3，阿里管理层将“千问”项目视为“AI时代的未来之战”，这意味着阿里巴巴正借力Qwen模型海外影响力，与ChatGPT直接展开海外竞争。
举报 第一财经广告合作，请点击这里此内容为第一财经原创，著作权归第一财经所有。未经第一财经书面授权，不得以任何方式加以使用，包括转载、摘编、复制或建立镜像。第一财经保留追究侵权者法律责任的权利。如需获得授权请联系第一财经版权部：banquan@yicai.com 文章作者
刘佳
相关阅读
华尔街到陆家嘴精选丨科技巨头竞逐机器人软件平台；金价刷新历史新高 白银年内涨幅高达62%；小摩看好2026年零售业 67 09-30 08:27 
AI进化速递丨盘古团队回应开源代码争议①盘古团队最新声明：严格遵循开源要求；②新AI模型助力更准确预测心源性猝死风险；③山东首个教育场景大模型平台正式发布。
152 07-05 20:41
浙江研发全球首个胃癌影像筛查AI模型双方宣布依托该项AI技术，率先在浙江、安徽等地开展大规模人群胃癌筛查。
29 06-26 11:48
达索系统CEO：目标将AI模型训练成本降低至千万美元DeepSeek和Mistral AI有相似之处，都选择了较高性价比的大模型开发路径，为人工智能的普及作出了重要贡献。
94 02-27 12:32
当消费遇上AI | 专家诊断一年，大模型仅用几分钟！AI医生看病是炒作吗在生成式AI大模型兴起后，AI医生的能力被夸大了，仿佛什么病都会看了；还有不少患者直接拿着DeepSeek的诊断结果来向医生咨询。
1032 02-25 17:02 一财最热 点击关闭信钰证券提示：文章来自网络，不代表本站观点。
