背景
起因是有一道中学数学竞赛的题目（9年级，初三），原题是这样的
三角形三个数字之和必须是3的倍数 问这样的组合有多少种
难度
这个题的难度在于他不让你求具体的哪些数字可以构造这样10层的三角形，而是问有多少这样可能的组合
试水
分别让Google Gemini 2.5 Pro 和ChatGPT o3 模型来试试，两者都是多模态推理模型。
Gemini 2.5 Pro
我使用Genimi 2.5 Pro Preview 0506 版本，这个版本是目前号称在STEM领域最强的，并且拥有百万token的上下文长度。
没有什么花里胡哨的提示词，我就直接问了：
Gemini没有任何迟疑，开始分析，分析过程非常长，耗时170多秒！！可以看出，AI分析问题也是从简单的入手，从样例入手的
最后Gemini给出的答案是92
ChatGPT o3
OpenAI的多模态推理模型，非常适合STEM问题解决，
还是一样把问题直接丢给它，让它分析解决
o3也用了140多秒进行思考，看来这个题目还是有点难度的，期间不断调用python代码进行验证和尝试
最后，o3得出的结果是 904！
交叉求证
由于两个模型给出了不同的答案，本着耐心教导的原则，我打算进行交叉求证： 分别讲将一个模型的推理过程输入给另一个模型，并且告诉他，“你好好看，你觉得我这个解法对不对呢？”
Gemini 2.5 Pro
不出所料，Gemini 2.5 Pro一眼就发现的o3的算法有问题呢
斩钉截铁的说，答案就是92
ChatGPT o3
再来看看o3的，大写的“服气”，o3承认之前的方法是错的，正确答案是92
灵魂拷问：你到底哪里错了？
我继续发问让o3回头看看错在哪里
AI还是好孩子，知错就改也很快承认了
还整了个中文版给我
结论
这一轮比拼，Gemini 2.5 Pro完胜ChatGPT o3
| Gemini 2.5 Pro | ChatGPT o3 | |
|---|---|---|
| 问题分析的深度 | ✅ | ❌ |
| 理解的程度 | ✅ | ❌ |
| 对问题细节的把握 | ✅ | ❌ |
| 一次性分析正确率 | ✅ | ❌ |
| 面对质疑的坚定 | ✅ | ❌ |
后记
很多宝子不信邪，非要我试试ChatGPT 4.5面向研究用途的大语言模型。我听劝，真去跑一下，哎，还不如o3呢 😂
我已经无力吐槽了