元认知推理

这是一个 AI 大模型评测用例，下面将详细介绍测试内容和各模型的表现。

基本信息

  • 用例名称：元认知推理
  • 测试类型：文本生成
  • 评测维度：推理链
  • 参与评测的模型数：202 个

系统提示词（System Prompt）

你是一名精通数理逻辑与数学教育的专家，擅长将抽象的逻辑概念用通俗易懂的语言解释清楚。 回答要求： 1. 解释概念时，先给出核心定义，再说明其逻辑原理（否定结论→推导矛盾→得出原结论）。 2. 举例时，选用简单直观的例子，确保例子能完整展示反证法的三个步骤。 3. 语言风格兼顾准确性与通俗性，避免过度堆砌术语，但关键逻辑词汇（如「假设」「矛盾」「因此」）须使用准确。 4. 回答结构清晰，定义与示例之间层次分明。

用户提示词（User Prompt）

请回答以下两个问题： 1. 什么是反证法？请用通俗的语言解释它的核心思路，并说明它依赖的基本逻辑原理。 2. 请举一个简单的例子（数学或日常生活均可），完整展示反证法的以下三个步骤： - 第一步：明确你想证明的结论，并假设该结论的反面成立； - 第二步：从这个假设出发，通过逻辑推导，得出一个矛盾； - 第三步：由此断定假设不成立，从而原结论成立。

各模型评测结果

  1. 第 1：Claude Opus 4.6，得分 95.3 分 — 查看该模型的详细评测结果
  2. 第 2：qwen3-coder-next，得分 94.7 分 — 查看该模型的详细评测结果
  3. 第 3：mimo-v2-pro，得分 94.6 分 — 查看该模型的详细评测结果
  4. 第 4：MiniMax-M2.1，得分 94.55 分 — 查看该模型的详细评测结果
  5. 第 5：mimo-v2-flash，得分 94.49 分 — 查看该模型的详细评测结果
  6. 第 6：kimi-k2.6，得分 94.3 分 — 查看该模型的详细评测结果
  7. 第 7：Anthropic: Claude Sonnet 4.6，得分 94.09 分 — 查看该模型的详细评测结果
  8. 第 8：kimi-k2-thinking-turbo，得分 94.08 分 — 查看该模型的详细评测结果
  9. 第 9：glm-4.5-air，得分 94.08 分 — 查看该模型的详细评测结果
  10. 第 10：qwen3-max，得分 94.02 分 — 查看该模型的详细评测结果
  11. 第 11：Elephant，得分 94.0 分 — 查看该模型的详细评测结果
  12. 第 12：kimi-k2.5，得分 93.99 分 — 查看该模型的详细评测结果
  13. 第 13：StepFun: Step 3.5 Flash，得分 93.7 分 — 查看该模型的详细评测结果
  14. 第 14：Qwen: Qwen3.5-9B，得分 93.6 分 — 查看该模型的详细评测结果
  15. 第 15：Google: Gemma 4 26B A4B ，得分 93.6 分 — 查看该模型的详细评测结果
  16. 第 16：qwen3.5-27b，得分 93.5 分 — 查看该模型的详细评测结果
  17. 第 17：xAI: Grok 4.20 Beta，得分 93.5 分 — 查看该模型的详细评测结果
  18. 第 18：qwen3.6-plus-preview，得分 93.4 分 — 查看该模型的详细评测结果
  19. 第 19：xAI: Grok 4.1 Fast，得分 93.25 分 — 查看该模型的详细评测结果
  20. 第 20：glm-5，得分 93.11 分 — 查看该模型的详细评测结果
  21. 第 21：Claude Opus 4 7，得分 93.1 分 — 查看该模型的详细评测结果
  22. 第 22：qwen3-235b-a22b，得分 92.9 分 — 查看该模型的详细评测结果
  23. 第 23：qwen3.5-flash，得分 92.8 分 — 查看该模型的详细评测结果
  24. 第 24：Meituan: LongCat Flash Chat，得分 92.78 分 — 查看该模型的详细评测结果
  25. 第 25：Anthropic: Claude Haiku 4.5，得分 92.41 分 — 查看该模型的详细评测结果
  26. 第 26：doubao-seed-1-8，得分 92.3 分 — 查看该模型的详细评测结果
  27. 第 27：MiniMax-M2.7，得分 92.3 分 — 查看该模型的详细评测结果
  28. 第 28：NVIDIA: Nemotron 3 Super (free)，得分 92.2 分 — 查看该模型的详细评测结果
  29. 第 29：doubao-seed-1-6，得分 92.1 分 — 查看该模型的详细评测结果
  30. 第 30：GLM-5.1，得分 92.0 分 — 查看该模型的详细评测结果
  31. 第 31：doubao-seed-2-0-pro，得分 92.0 分 — 查看该模型的详细评测结果
  32. 第 32：qwen3.5-plus-2026-02-15，得分 91.95 分 — 查看该模型的详细评测结果
  33. 第 33：deepseek-v3.2，得分 91.86 分 — 查看该模型的详细评测结果
  34. 第 34：qwen3.5-omni-flash，得分 91.7 分 — 查看该模型的详细评测结果
  35. 第 35：MiniMax-M2.5，得分 91.66 分 — 查看该模型的详细评测结果
  36. 第 36：mimo-v2-omni，得分 91.3 分 — 查看该模型的详细评测结果
  37. 第 37：GLM-5v-turbo，得分 91.3 分 — 查看该模型的详细评测结果
  38. 第 38：qwen3.5-35b-a3b，得分 91.2 分 — 查看该模型的详细评测结果
  39. 第 39：doubao-seed-2-0-mini，得分 91.11 分 — 查看该模型的详细评测结果
  40. 第 40：doubao-seed-1-6-flash，得分 90.7 分 — 查看该模型的详细评测结果
  41. 第 41：glm-4.7，得分 90.49 分 — 查看该模型的详细评测结果
  42. 第 42：OpenAI: gpt-oss-20b，得分 90.34 分 — 查看该模型的详细评测结果
  43. 第 43：qwen3-coder-flash，得分 90.2 分 — 查看该模型的详细评测结果
  44. 第 44：OpenAI: GPT-5 Mini，得分 90.1 分 — 查看该模型的详细评测结果
  45. 第 45：Google: Gemini 3.1 Pro Preview，得分 90.07 分 — 查看该模型的详细评测结果
  46. 第 46：Google: Gemma 4 31B，得分 90.0 分 — 查看该模型的详细评测结果
  47. 第 47：OpenAI: gpt-oss-120b，得分 89.81 分 — 查看该模型的详细评测结果
  48. 第 48：GPT-5.2，得分 89.4 分 — 查看该模型的详细评测结果
  49. 第 49：OpenAI: GPT-5 Nano，得分 89.26 分 — 查看该模型的详细评测结果
  50. 第 50：OpenAI: GPT-5.4，得分 89.2 分 — 查看该模型的详细评测结果
  51. 第 51：Grok 4，得分 88.5 分 — 查看该模型的详细评测结果
  52. 第 52：qwen3-8b，得分 86.7 分 — 查看该模型的详细评测结果
  53. 第 53：doubao-seed-2-0-code，得分 86.7 分 — 查看该模型的详细评测结果
  54. 第 54：Google: Gemini 2.5 Flash Lite，得分 86.33 分 — 查看该模型的详细评测结果
  55. 第 55：qwen3-14b，得分 86.2 分 — 查看该模型的详细评测结果
  56. 第 56：doubao-seed-2-0-lite，得分 85.31 分 — 查看该模型的详细评测结果
  57. 第 57：hunyuan-large，得分 84.4 分 — 查看该模型的详细评测结果
  58. 第 58：hunyuan-pro，得分 83.26 分 — 查看该模型的详细评测结果
  59. 第 59：hunyuan-turbo，得分 83.08 分 — 查看该模型的详细评测结果
  60. 第 60：qwen3-coder-plus，得分 83.0 分 — 查看该模型的详细评测结果
  61. 第 61：qwen3.5-omni-plus，得分 82.7 分 — 查看该模型的详细评测结果
  62. 第 62：qwen3-4b，得分 82.0 分 — 查看该模型的详细评测结果
  63. 第 63：OpenAI: GPT-4o-mini，得分 81.59 分 — 查看该模型的详细评测结果
  64. 第 64：Google: Gemini 3 Flash Preview，得分 80.04 分 — 查看该模型的详细评测结果
  65. 第 65：Meta: Llama 3.3 70B Instruct，得分 69.85 分 — 查看该模型的详细评测结果
  66. 第 66：Mistral: Mistral Nemo，得分 50.52 分 — 查看该模型的详细评测结果
  67. 第 67：qwen3-0.6b，得分 44.5 分 — 查看该模型的详细评测结果
题目
模型排行
加载中…
模型评分
加载中…