从一个简单的计算问题，看国内几个大语言模型推理逻辑能力

引言

首先，来看问题：

123456*987654等于多少，给出你计算的过程。

从openai推出chatgpt以来，大模型发展的很快，笔者也经常使用免费的大语言模型辅助进行文档编写和编码工作。大模型推出时间也好久了，笔者想当然的认为这样一个简单的计算问题，应该很容易得到正确的结果和答案，可是从得到的回答看，大模型的逻辑推理能力显然还不太行，还有这样或者那样的问题。

比较结果

下面表格是这个问题国内的几个大模型回答的结果比较(后附回答截图)。唯一笔者认为完美无错的给出解答的是文心大模型turbo4.0，果然花钱的就是要香一些。在回答问题的过程中，笔者诧异的发现文心大模型3.5、通义千问2.5、月之暗面在子计算过程中犯几乎一样的错误，难免会让人浮想联翩：三个大模型是同一个模型出来的？对比chagpt，计算过程不完整，结果也错误。看来国外和国内的在推理逻辑上并没差多少。