作者｜子川

來源｜AI先鋒官

卷，還得是AI圈！

昨天，OpenAI前腳放出自家最強推理大模型o3和o4-mini，字節后腳就召開發布會發布了豆包1.5·深度思考模型、文生圖3.0、新版豆包 1.5 視覺理解模型等一系列產品。

下面我們就來重點聊一聊今天的主人公——豆包1.5深度思考模型。

豆包 1.5深度思考模型包含兩個版本，分別是Doubao-1.5-thinking-pro和Doubao-1.5-thinking-pro-vision。

前者推理能力更強，后者則是支持多模態視覺推理。

根據官方介紹，豆包 1.5深度思考模型在推理能力、速度、多模態三大維度實現突破性升級！

效果好、低延遲、多模態。

首先來看一下豆包1.5 深度思考模型在多項權威基準測試上的跑分成績。

• 數學推理方面，在 AIME 2024 測試中的得分已追平 OpenAI o3-mini-high，不過在AIME 2025測試、Beyond AIME上的得分相差較大。

• 編程競賽方面，在 Code Forces和SWE-bench上 測試中接近DeepSeek-R1。

• 在博士級推理難題測試集GPQA Diamond上中成績也接近 o3-mini。

同時豆包1.5 深度思考模型采用的是總參數200B 的 MoE 架構，但激活參數僅為 20B。

這種實設計使得它的性能強大，降低了訓練和推理成本，實現了20毫秒的低延遲。

最后就是它的多模態功能，此次推出的視覺版 Doubao-1.5-thinking-pro-vision，可以進行圖片推理。

比如我們扔給它一張圖，輸入“男朋友說出差一個人住酒店，這個他拍給我的照片，幫我看看他推斷他是否是一個人住"

我們可以看到，豆包思考了5.84秒，給出了它的推理過程。

再來看一下它給出的答案。

豆包化身成一名偵探，從圖片獲取到了被子的使用痕跡、沙發并沒有明顯的坐壓痕跡、只有一雙拖鞋等信息，初步判斷是一個人居住。

不過后續表示無法僅憑一張照片是難以確認的，推理十分嚴謹。

跑了幾個案例，偶爾也有翻車的時候，比如上傳一張顯示冰箱食物的照片，并告訴它“我是一個人居住，這些菜我可以吃幾天，并用這些菜幫我設計菜譜”

但豆包給出的答案中有很多食材是沒有的，比如冰箱中是沒有茄子的，但它卻讓我煮魚香茄子，整體上還有一點小瑕疵。

最后，老規矩，我們來場PK，實測一下豆包1.5深度思考模型的推理能力。

此次的參賽選手有阿里的QWQ-32、Deepseek R1和Doubao-1.5-thinking-pro。

測試題一：高三摸底試卷題

這道題是一道多選題，正確答案是：B、C、D，看看哪位選手能做對。

QWQ-32：

Deepseek R1：

Doubao-1.5-thinking-pro：

這組答案挺有意思，QWQ-32選擇出一個正確答案，Deepseek R1選擇兩個正確答案，Doubao-1.5-thinking-pro則是把所有正確答案都答出來了。

Doubao-1.5-thinking-pro有點東西。

測試題二：你和朋友輪流從一堆金幣中取1、3或6枚。獲勝者是最后取走金幣的人。對于N<1000，第一位玩家有多少種贏得游戲的策略？

先公布一下正確答案：666種

QWQ-32：

Deepseek R1：

Doubao-1.5-thinking-pro：

這道題只有Deepseek R1回答正確，QWQ-32和Doubao-1.5-thinking-pro則推理錯誤。

測試題三：猜數字游戲

給甲、乙、丙三人各發一個正整數，并告訴他們他們三人的數字之和為14。

甲對乙和丙說：我知道你們兩人的數字一定不相等。
乙想了想，對甲說：我們兩人的數字之差一定比丙大。
丙聽完甲和乙的話后，依舊沉默不語。
若甲乙丙三人都很聰明，且只要他們能推斷出三人的數字分別是什么，那個人會在第一時間說出。（不考慮甲、乙見到丙沉默之后是否知曉）
那么，丙的數字是多少？

QWQ-32：

Deepseek R1：

Doubao-1.5-thinking-pro：

好家伙，第一次全部回答正確，上上難度，來一個之前難到很多模型的一道題。

測試題四：一根8米長的竹竿是否能通過一個4米高、2米寬的門？

QWQ-32：

Deepseek R1：

Doubao-1.5-thinking-pro：

果然，沒有幾個模型可以回答出這道題，全軍覆沒。

測試題五：猜F下過幾盤棋

A、B、C、D、E、F六人賽棋，采用單循環制。現在知道：A、B、C、D、E五人已經分別賽過

5．4、3、2、l盤。問：這時F已賽過幾盤。

QWQ-32：

Deepseek R1：

Doubao-1.5-thinking-pro：

又全對，看來推理題已經不能滿足它們了，給它們上一道世紀難題。

測試題六：你老婆問你，我和你媽媽同時掉水里了，你救誰，只能救一個，你會怎么回答？

QWQ-32：

Deepseek R1：

Doubao-1.5-thinking-pro：

這道題，本身就沒有正確答案，其實是一個情商測試題。

看到Deepseek R1和Doubao-1.5-thinking-pro回答，它們倆真的是情商高呀，相反老實人QWQ-32則是一板一眼的回答。

雖然此次測試沒有基準測試那么全面，但可以看出 Doubao-1.5-thinking-pro在復雜任務的處理上是不輸Deepseek R1的，而且情商還高。

目前， Doubao-1.5-thinking-pro已經全面推出了，大家可以上火上引擎去玩，目前是免費的。

附上體驗鏈接： https://www.volcengine.com/

好了，此次的測試就到這里，如果大家有疑問，歡迎在評論區留言討論。

掃碼邀請進群，我們帶你一起來玩轉ChatGPT、GPT-4、文心一言、通義千問、訊飛星火等AI大模型，順便學一些AI搞錢技能。

往期文章回顧