真假判断

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：真假判断
  • 测试类型：文本生成
  • 评测维度：逻辑推理
  • 参与评测的模型数：200 个

系统提示词（System Prompt）

你是一名专业的逻辑推理专家，擅长分析自我指涉命题与经典逻辑悖论。 回答要求： 1. 采用「假设-推导-验证」的思维链模式：先假设某种身份，再推导该假设下命题的真假，最后检验是否产生矛盾。 2. 明确列出题目的已知约束条件，再逐步展开推理，不得跳步。 3. 若推理过程中发现逻辑矛盾，须清晰指出矛盾所在，并说明其逻辑意义。 4. 最终结论须直接回答题目问题，并用一句话概括核心逻辑原因。

用户提示词（User Prompt）

【经典逻辑谜题：真假判断】 背景规则： - 岛上只有两种人：诚实者（只说真话）和说谎者（只说假话）。 - 诚实者说的每一句话都为真；说谎者说的每一句话都为假。 情景： 你在岛上遇到一个人，他对你说：「我是说谎者。」 请回答以下问题： 1. 假设他是诚实者，这句话会导致什么结果？ 2. 假设他是说谎者，这句话会导致什么结果？ 3. 综合以上分析，他究竟是诚实者还是说谎者？请给出你的最终判断和理由。

各模型评测结果

  1. 第 1：Elephant，得分 100.0 分 — 查看该模型的详细评测结果
  2. 第 2：Claude Opus 4.6，得分 98.0 分 — 查看该模型的详细评测结果
  3. 第 3：qwen3.6-plus-preview，得分 98.0 分 — 查看该模型的详细评测结果
  4. 第 4：OpenAI: GPT-5 Mini，得分 96.97 分 — 查看该模型的详细评测结果
  5. 第 5：Google: Gemini 3.1 Pro Preview，得分 96.97 分 — 查看该模型的详细评测结果
  6. 第 6：kimi-k2.5，得分 96.93 分 — 查看该模型的详细评测结果
  7. 第 7：GPT-5.2，得分 96.3 分 — 查看该模型的详细评测结果
  8. 第 8：doubao-seed-1-8，得分 96.3 分 — 查看该模型的详细评测结果
  9. 第 9：qwen3.5-flash，得分 96.3 分 — 查看该模型的详细评测结果
  10. 第 10：kimi-k2-thinking-turbo，得分 96.2 分 — 查看该模型的详细评测结果
  11. 第 11：Google: Gemma 4 26B A4B ，得分 95.8 分 — 查看该模型的详细评测结果
  12. 第 12：qwen3.5-omni-plus，得分 95.8 分 — 查看该模型的详细评测结果
  13. 第 13：qwen3.5-27b，得分 95.7 分 — 查看该模型的详细评测结果
  14. 第 14：xAI: Grok 4.1 Fast，得分 95.5 分 — 查看该模型的详细评测结果
  15. 第 15：Qwen: Qwen3.5-9B，得分 95.5 分 — 查看该模型的详细评测结果
  16. 第 16：OpenAI: gpt-oss-120b，得分 95.47 分 — 查看该模型的详细评测结果
  17. 第 17：OpenAI: GPT-5.4，得分 95.3 分 — 查看该模型的详细评测结果
  18. 第 18：qwen3.5-35b-a3b，得分 95.3 分 — 查看该模型的详细评测结果
  19. 第 19：doubao-seed-2-0-code，得分 95.3 分 — 查看该模型的详细评测结果
  20. 第 20：kimi-k2.6，得分 95.2 分 — 查看该模型的详细评测结果
  21. 第 21：qwen3-coder-next，得分 95.1 分 — 查看该模型的详细评测结果
  22. 第 22：glm-4.7，得分 95.0 分 — 查看该模型的详细评测结果
  23. 第 23：NVIDIA: Nemotron 3 Super (free)，得分 95.0 分 — 查看该模型的详细评测结果
  24. 第 24：deepseek-v3.2，得分 95.0 分 — 查看该模型的详细评测结果
  25. 第 25：GLM-5.1，得分 94.8 分 — 查看该模型的详细评测结果
  26. 第 26：qwen3.5-plus-2026-02-15，得分 94.63 分 — 查看该模型的详细评测结果
  27. 第 27：Claude Opus 4 7，得分 94.5 分 — 查看该模型的详细评测结果
  28. 第 28：GLM-5v-turbo，得分 94.5 分 — 查看该模型的详细评测结果
  29. 第 29：Google: Gemma 4 31B，得分 94.3 分 — 查看该模型的详细评测结果
  30. 第 30：Anthropic: Claude Sonnet 4.6，得分 94.3 分 — 查看该模型的详细评测结果
  31. 第 31：qwen3.5-omni-flash，得分 94.2 分 — 查看该模型的详细评测结果
  32. 第 32：Grok 4，得分 94.2 分 — 查看该模型的详细评测结果
  33. 第 33：MiniMax-M2.7，得分 93.8 分 — 查看该模型的详细评测结果
  34. 第 34：Anthropic: Claude Haiku 4.5，得分 93.7 分 — 查看该模型的详细评测结果
  35. 第 35：doubao-seed-1-6，得分 93.4 分 — 查看该模型的详细评测结果
  36. 第 36：qwen3-coder-plus，得分 93.0 分 — 查看该模型的详细评测结果
  37. 第 37：xAI: Grok 4.20 Beta，得分 92.8 分 — 查看该模型的详细评测结果
  38. 第 38：OpenAI: gpt-oss-20b，得分 92.53 分 — 查看该模型的详细评测结果
  39. 第 39：qwen3-max，得分 92.5 分 — 查看该模型的详细评测结果
  40. 第 40：glm-5，得分 92.5 分 — 查看该模型的详细评测结果
  41. 第 41：qwen3-235b-a22b，得分 92.2 分 — 查看该模型的详细评测结果
  42. 第 42：OpenAI: GPT-5 Nano，得分 92.2 分 — 查看该模型的详细评测结果
  43. 第 43：qwen3-coder-flash，得分 92.0 分 — 查看该模型的详细评测结果
  44. 第 44：hunyuan-large，得分 91.97 分 — 查看该模型的详细评测结果
  45. 第 45：qwen3-14b，得分 91.8 分 — 查看该模型的详细评测结果
  46. 第 46：Google: Gemini 3 Flash Preview，得分 91.55 分 — 查看该模型的详细评测结果
  47. 第 47：glm-4.5-air，得分 91.5 分 — 查看该模型的详细评测结果
  48. 第 48：doubao-seed-2-0-pro，得分 90.83 分 — 查看该模型的详细评测结果
  49. 第 49：mimo-v2-omni，得分 90.7 分 — 查看该模型的详细评测结果
  50. 第 50：StepFun: Step 3.5 Flash，得分 90.5 分 — 查看该模型的详细评测结果
  51. 第 51：hunyuan-pro，得分 89.2 分 — 查看该模型的详细评测结果
  52. 第 52：Google: Gemini 2.5 Flash Lite，得分 88.67 分 — 查看该模型的详细评测结果
  53. 第 53：doubao-seed-2-0-mini，得分 88.17 分 — 查看该模型的详细评测结果
  54. 第 54：doubao-seed-1-6-flash，得分 87.5 分 — 查看该模型的详细评测结果
  55. 第 55：mimo-v2-pro，得分 87.3 分 — 查看该模型的详细评测结果
  56. 第 56：MiniMax-M2.5，得分 85.97 分 — 查看该模型的详细评测结果
  57. 第 57：qwen3-8b，得分 85.8 分 — 查看该模型的详细评测结果
  58. 第 58：hunyuan-turbo，得分 85.53 分 — 查看该模型的详细评测结果
  59. 第 59：OpenAI: GPT-4o-mini，得分 84.97 分 — 查看该模型的详细评测结果
  60. 第 60：MiniMax-M2.1，得分 83.8 分 — 查看该模型的详细评测结果
  61. 第 61：doubao-seed-2-0-lite，得分 83.0 分 — 查看该模型的详细评测结果
  62. 第 62：Mistral: Mistral Nemo，得分 73.63 分 — 查看该模型的详细评测结果
  63. 第 63：qwen3-0.6b，得分 71.5 分 — 查看该模型的详细评测结果
  64. 第 64：Meta: Llama 3.3 70B Instruct，得分 54.17 分 — 查看该模型的详细评测结果
  65. 第 65：Meituan: LongCat Flash Chat，得分 52.67 分 — 查看该模型的详细评测结果
  66. 第 66：qwen3-4b，得分 52.2 分 — 查看该模型的详细评测结果
  67. 第 67：mimo-v2-flash，得分 41.87 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…