逻辑推理能力评测 Qwen3-235B-A22B

逻辑推理能力评测 Qwen3 235B A22B 逻辑推理能力评测 Qwen3 235B A22B Modified May 12, 2025 2.4 类比推理 1. 【测评样例】 🚅 题目：火：热情 相当于 （ ） A. 月光：寒冷 B. 鸽子：和平 C. 落叶：悲伤 D. 火焰：危险 【标准答案】 B. 鸽子：和平 2. 【输出】 3. 【总结】 推理过程耗费了时间约为 1分钟。推理过程和答案都是正确的。 2.5 假设推理 1. 【测评样例】 🚅 题目：假设在一个游戏世界中，如果角色收集齐 5 颗宝石，并且解开了神秘机关，就能进入隐藏关卡。现在角色进入了隐藏关卡，请问角色一定收集齐 5 颗宝石了吗？ 【标准答案】 不一定。 2. 【输出】 3. 【总结】 推理过程很明确，得出的答案也是正确的。 2.6 因果推理 1. 【测评样例】 🚅 题目：如果温度降低，人们穿得更厚。这种关系属于（ ）。 A. 相关关系 B. 因果关系 C. 假设关系 D. 随机关系 【标准答案】 B. 因果关系 2. 【输出】 3. 【总结】 推理结论是正确的。 2.7 文本推理 1. 【测评样例】 🚅 题目（节选文本）：小明每天早晨都要跑步，他认为运动可以让人更健康。那么我们可以推断（ ）。 A. 小明喜欢跑步 B. 小明相信运动有益健康 C. 小明每天都会跑步 D. 小明的健康状况良好 【标准答案】 B. 小明相信运动有益健康 2. 【输出】 3. 【总结】 推理过程较为复杂，最终结论是正确的。并且考虑到了单选和多选的可能性。 2.8 数学推理 1. 【测评样例】 🚅 甲、乙两人分别从 A、B 两地同时出发相向而行，甲的速度是乙的速度的1.5倍。两人相遇后继续前进，甲到达 B 地后立即返回，乙到达 A 地后也立即返回。已知两人第二次相遇的地点距离第一次相遇的地点是 20 千米，求 A、B 两地的距离。 【标准答案】 50千米 2. 【输出】 3. 【总结】 运用数学方程式进行解答的过程正确无误，求解得出的答案也是正确的，同时对解的正确性进行了验证。此外，推理速度较快，仅耗时约 12 秒。 2.9 复合推理测试用例（结合演绎推理、归纳推理和因果推理） 1. 【测评样例】 🚅 题目：在一个侦探故事中，有三个嫌疑人 A、B、C。已知：①如果 A 是凶手，那么 B 是帮凶；②B 和 C 至少有一个不是凶手；③要么 C 是凶手，要么 A 是凶手；④如果 C 不是凶手，那么 D 的证词是假的；⑤D 的证词是真的。请问谁是凶手？ 【标准答案】 凶手是 C 2. 【输出】 3. 【总结】 结合归纳推理（趋势分析）、因果推理（政策影响）、演绎推理（未来预测），推理逻辑清晰，结果正确。 😘 留言： AI资讯公众号：EverAI酱（每日AI资讯日报） 小红书/抖音：EverAI B站：Ever AI酱 （❤这里会有教程及AI工具界面操作） 猫叔个人公众号：AI替代人类 2.4 类比推理 1. 【测评样例】 🚅 题目：火：热情 相当于 （ ） A. 月光：寒冷 B. 鸽子：和平 C. 落叶：悲伤 D. 火焰：危险 【标准答案】 B. 鸽子：和平 🚅 题目：火：热情 相当于 （ ） A. 月光：寒冷 B. 鸽子：和平 C. 落叶：悲伤 D. 火焰：危险 题目：火：热情 相当于 （ ） A. 月光：寒冷 B. 鸽子：和平 C. 落叶：悲伤 D. 火焰：危险 【标准答案】 B. 鸽子：和平 2. 【输出】 3. 【总结】 推理过程耗费了时间约为 1分钟。推理过程和答案都是正确的。 2.5 假设推理 1. 【测评样例】 🚅 题目：假设在一个游戏世界中，如果角色收集齐 5 颗宝石，并且解开了神秘机关，就能进入隐藏关卡。现在角色进入了隐藏关卡，请问角色一定收集齐 5 颗宝石了吗？ 【标准答案】 不一定。 🚅 题目：假设在一个游戏世界中，如果角色收集齐 5 颗宝石，并且解开了神秘机关，就能进入隐藏关卡。现在角色进入了隐藏关卡，请问角色一定收集齐 5 颗宝石了吗？ 题目：假设在一个游戏世界中，如果角色收集齐 5 颗宝石，并且解开了神秘机关，就能进入隐藏关卡。现在角色进入了隐藏关卡，请问角色一定收集齐 5 颗宝石了吗？ 【标准答案】 不一定。 2. 【输出】 3. 【总结】 推理过程很明确，得出的答案也是正确的。 2.6 因果推理 1. 【测评样例】 🚅 题目：如果温度降低，人们穿得更厚。这种关系属于（ ）。 A. 相关关系 B. 因果关系 C. 假设关系 D. 随机关系 【标准答案】 B. 因果关系 🚅 题目：如果温度降低，人们穿得更厚。这种关系属于（ ）。 A. 相关关系 B. 因果关系 C. 假设关系 D. 随机关系 题目：如果温度降低，人们穿得更厚。这种关系属于（ ）。 A. 相关关系 B. 因果关系 C. 假设关系 D. 随机关系 【标准答案】 B. 因果关系 2. 【输出】 3. 【总结】 推理结论是正确的。 2.7 文本推理 1. 【测评样例】 🚅 题目（节选文本）：小明每天早晨都要跑步，他认为运动可以让人更健康。那么我们可以推断（ ）。 A. 小明喜欢跑步 B. 小明相信运动有益健康 C. 小明每天都会跑步 D. 小明的健康状况良好 【标准答案】 B. 小明相信运动有益健康 🚅 题目（节选文本）：小明每天早晨都要跑步，他认为运动可以让人更健康。那么我们可以推断（ ）。 A. 小明喜欢跑步 B. 小明相信运动有益健康 C. 小明每天都会跑步 D. 小明的健康状况良好 题目（节选文本）：小明每天早晨都要跑步，他认为运动可以让人更健康。那么我们可以推断（ ）。 A. 小明喜欢跑步 B. 小明相信运动有益健康 C. 小明每天都会跑步 D. 小明的健康状况良好 【标准答案】 B. 小明相信运动有益健康 2. 【输出】 3. 【总结】 推理过程较为复杂，最终结论是正确的。并且考虑到了单选和多选的可能性。 2.8 数学推理 1. 【测评样例】 🚅 甲、乙两人分别从 A、B 两地同时出发相向而行，甲的速度是乙的速度的1.5倍。两人相遇后继续前进，甲到达 B 地后立即返回，乙到达 A 地后也立即返回。已知两人第二次相遇的地点距离第一次相遇的地点是 20 千米，求 A、B 两地的距离。 甲、乙两人分别从 A、B 两地同时出发相向而行，甲的速度是乙的速度的1.5倍。两人相遇后继续前进，甲到达 B 地后立即返回，乙到达 A 地后也立即返回。已知两人第二次相遇的地点距离第一次相遇的地点是 20 千米，求 A、B 两地的距离。 【标准答案】 50千米 2. 【输出】 3. 【总结】 运用数学方程式进行解答的过程正确无误，求解得出的答案也是正确的，同时对解的正确性进行了验证。此外，推理速度较快，仅耗时约 12 秒。 2.9 复合推理测试用例（结合演绎推理、归纳推理和因果推理） 1. 【测评样例】 🚅 题目：在一个侦探故事中，有三个嫌疑人 A、B、C。已知：①如果 A 是凶手，那么 B 是帮凶；②B 和 C 至少有一个不是凶手；③要么 C 是凶手，要么 A 是凶手；④如果 C 不是凶手，那么 D 的证词是假的；⑤D 的证词是真的。请问谁是凶手？ 题目：在一个侦探故事中，有三个嫌疑人 A、B、C。已知：①如果 A 是凶手，那么 B 是帮凶；②B 和 C 至少有一个不是凶手；③要么 C 是凶手，要么 A 是凶手；④如果 C 不是凶手，那么 D 的证词是假的；⑤D 的证词是真的。请问谁是凶手？ 【标准答案】 凶手是 C 2. 【输出】 3. 【总结】 结合归纳推理（趋势分析）、因果推理（政策影响）、演绎推理（未来预测），推理逻辑清晰，结果正确。 😘 留言： AI资讯公众号：EverAI酱（每日AI资讯日报） 小红书/抖音：EverAI B站：Ever AI酱 （❤这里会有教程及AI工具界面操作） 猫叔个人公众号：AI替代人类 留言： AI资讯公众号：EverAI酱（每日AI资讯日报） 小红书/抖音：EverAI B站：Ever AI酱 （❤这里会有教程及AI工具界面操作） 猫叔个人公众号：AI替代人类 🔗 原文链接： 逻辑推理能力评测 Qwen3 235B A22B ​ 逻辑推理能力评测 Qwen3 235B A22B 🔗 原文链接： 逻辑推理能力评测 Qwen3 235B A22B ​ 逻辑推理能力评测 Qwen3 235B A22B 评测时间：2025 4 30 评测人：EverAI 1. 概要 2025年4月29日，通义千问正式更新Qwen 3。Qwen3 的亮点包括： • 各种尺寸的密集和混合专家 （MoE） 型号，有 0.6B、1.7B、4B、8B、14B、32B 和 30B A3B、235B A22B 可供选择。 • 思维模式（用于复杂的逻辑推理、数学和编码）和非思维模式（用于高效的通用聊天）无缝切换，确保在各种场景中的最佳性能。 • 推理能力显著增强，超越了之前的 QwQ（思维模式）和 Qwen2.5 指导模型（非思考模式）进行数学、代码生成和常识性逻辑推理。 • 卓越的人类偏好对齐，擅长创意写作、角色扮演、多轮对话和指导遵循，以提供更自然、更吸引人和身临其境的对话体验。 • 机器人能力方面的专业知识，能够在思考和非思考模式下与外部工具进行精确集成，并在基于机器人的复杂任务中实现开源模型的领先性能。 • 支持 100+ 种语言和方言，具有强大的多语言教学遵循和翻译能力。 Qwen3 235B A22B 使用网址：https://chat.qwen.ai/ 这次测评基于Qwen3 满血版本进行。 本次评测聚焦其逻辑推理能力，通过数字推理、演绎推理、归纳推理等九大类测试，观察模型在不同任务中的表现，评估推理过程的正确性、稳定性及响应速度，旨在全面了解模型的逻辑推理水平。整体来看，QwQ Max Preview 在逻辑推理方面表现出色，但在部分复杂推理任务上仍有效率的优化空间。 评测总结 Qwen3 235B A22B 凭借其超大规模参数量、创新的 MoE 架构和广泛的基准测试验证，成为当前开源大模型中逻辑推理能力的标杆，尤其在数学、代码和通用推理场景中逼近甚至超越部分闭源模型，在数字推理方面，不仅能准确找出数列规律得出正确答案，还能用不同方法相互验证，逻辑严谨。 在面对太过复杂或前所未见的问题时，仍然有处理不好、算力需求较高等挑战，偶尔也会翻车。 2. 逻辑推理能力评测 2.1 数字推理 1. 【测评样例】 🚅 题目：观察数列\(2, 5, 10, 17, (\space)\)，请从以下选项中选择合适的数字填入括号。 A. 24 B. 25 C. 26 D. 28 题目：观察数列\(2, 5, 10, 17, (\space)\)，请从以下选项中选择合适的数字填入括号。 A. 24 B. 25 C. 26 D. 28 【标准答案】 C. 26 2. 【输出】 3. 【总结】 推理过程和结果都是正确的，而且2种解法互相验证的逻辑处理。 2.2 演绎推理 1. 【测评样例】 🚅 题目：既然监狱里全是罪犯，王警官为什么不去监狱里抓人？ 题目：既然监狱里全是罪犯，王警官为什么不去监狱里抓人？ 【标准答案】 B. 鲸鱼用肺呼吸 推理思路：能识别问题本身的矛盾点，同时在思考过程中会引用法律法条进行比对推理。 2. 【输出】 3. 【总结】 推理过程和结论都是正确的 2.3 归纳推理 1. 【测评样例】 🚅 题目：某公司在过去五年内的季度销售额如下（单位：百万）： • 2019 年 Q1 Q4：50, 55, 60, 58 • 2020 年 Q1 Q4：62, 65, 70, 68 • 2021 年 Q1 Q4：75, 78, 82, 80 题目：某公司在过去五年内的季度销售额如下（单位：百万）： • 2019 年 Q1 Q4：50, 55, 60, 58 • 2020 年 Q1 Q4：62, 65, 70, 68 • 2021 年 Q1 Q4：75, 78, 82, 80 • 2022 年 Q1 Q4：85, 90, 95, 92 • 2023 年 Q1 Q4：100, 105, 110, 108 根据这些数据，可以合理推测该公司 2024 年的季度销售额可能会（ ）。 A. 保持在 110 115 之间 B. 出现大幅度下降至 90 以下 C. 继续保持增长趋势 D. 无法预测 【标准答案】 C. 继续保持增长趋势 推理思路： 基于该公司过去五年销售额的持续增长趋势（年均增长率约15% 20%）及历史数据中无反向波动特征，结合题干未提供导致趋势逆转的外部风险信息，可合理推断其2024年季度销售额将延续增长路径 。尽管需警惕宏观环境对特定行业的潜在影响（如部分互联网企业增速放缓），但目标公司的独立数据规律仍构成最直接的判断依据。 2. 【输出】 3. 【总结】 推理过程耗费了相对较长的时间，约为 2 分钟。推理过程和答案都是正确的。