因果链推理

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：因果链推理
  • 测试类型：文本生成
  • 评测维度：逻辑推理
  • 参与评测的模型数：237 个

系统提示词（System Prompt）

你是一名资深逻辑分析专家，擅长识别和拆解因果关系链条。 回答要求： 1. 客观中立地分析文本中明确陈述的因果关系，不添加主观推测 2. 严格区分「直接因果关系」（A直接导致B）与「间接因果关系」（A通过中间环节导致C） 3. 按照结构化方式输出，逐条列举因果关系，层次清晰 4. 直接输出分析内容，不添加任何开场白、总结性陈述或多余解释 5. 保持逻辑严谨，确保每条因果关系均有文本依据

用户提示词（User Prompt）

请阅读以下因果链描述，并完成分析任务： 小明忘记带伞，所以被雨淋湿了；被雨淋湿后他感冒了；感冒后他请假没去上班；因为请假错过了重要会议；错过会议导致项目延期。 请完成以下两项分析： 1. 列出该因果链中所有的直接因果关系（即相邻事件之间的直接导致关系），并用「A → B」的格式逐条表示。 2. 列出该因果链中所有的间接因果关系（即非相邻事件之间，通过一个或多个中间环节产生的导致关系），并说明中间经过了哪些环节。

各模型评测结果

  1. 第 1：mimo-v2.5-pro，得分 98.33 分 — 查看该模型的详细评测结果
  2. 第 2：Elephant，得分 98.3 分 — 查看该模型的详细评测结果
  3. 第 3：Google: Gemma 4 31B，得分 96.5 分 — 查看该模型的详细评测结果
  4. 第 4：kimi-k2.6，得分 96.5 分 — 查看该模型的详细评测结果
  5. 第 5：qwen3.6-plus-preview，得分 96.4 分 — 查看该模型的详细评测结果
  6. 第 6：Gpt 5.5，得分 96.3 分 — 查看该模型的详细评测结果
  7. 第 7：deepseek-v4-pro，得分 96.3 分 — 查看该模型的详细评测结果
  8. 第 8：Claude Opus 4 7，得分 96.2 分 — 查看该模型的详细评测结果
  9. 第 9：GLM-5.1，得分 96.2 分 — 查看该模型的详细评测结果
  10. 第 10：Tencent: Hy3 preview (free)，得分 95.8 分 — 查看该模型的详细评测结果
  11. 第 11：Claude Opus 4.6，得分 95.7 分 — 查看该模型的详细评测结果
  12. 第 12：doubao-seed-2-1-pro，得分 95.6 分 — 查看该模型的详细评测结果
  13. 第 13：MiniMax-M2.7，得分 94.8 分 — 查看该模型的详细评测结果
  14. 第 14：MiniMax-M3，得分 94.2 分 — 查看该模型的详细评测结果
  15. 第 15：GLM-5v-turbo，得分 93.8 分 — 查看该模型的详细评测结果
  16. 第 16：qwen3-coder-plus，得分 93.7 分 — 查看该模型的详细评测结果
  17. 第 17：MiniMax-M2.5，得分 93.57 分 — 查看该模型的详细评测结果
  18. 第 18：Google: Gemma 4 26B A4B ，得分 93.5 分 — 查看该模型的详细评测结果
  19. 第 19：Gemini 3.5 Flash，得分 93.5 分 — 查看该模型的详细评测结果
  20. 第 20：OpenAI: GPT-5 Nano，得分 93.33 分 — 查看该模型的详细评测结果
  21. 第 21：Anthropic: Claude Haiku 4.5，得分 93.33 分 — 查看该模型的详细评测结果
  22. 第 22：qwen3.5-flash，得分 92.8 分 — 查看该模型的详细评测结果
  23. 第 23：mimo-v2.5，得分 92.8 分 — 查看该模型的详细评测结果
  24. 第 24：doubao-seed-1-8，得分 92.8 分 — 查看该模型的详细评测结果
  25. 第 25：Anthropic: Claude Sonnet 4.6，得分 92.73 分 — 查看该模型的详细评测结果
  26. 第 26：kimi-k2.5，得分 92.73 分 — 查看该模型的详细评测结果
  27. 第 27：GPT-5.2，得分 92.7 分 — 查看该模型的详细评测结果
  28. 第 28：MiniMax-M2.1，得分 92.63 分 — 查看该模型的详细评测结果
  29. 第 29：glm-4.7，得分 92.53 分 — 查看该模型的详细评测结果
  30. 第 30：Google: Gemini 3.1 Pro Preview，得分 92.5 分 — 查看该模型的详细评测结果
  31. 第 31：qwen3.5-plus-2026-02-15，得分 92.2 分 — 查看该模型的详细评测结果
  32. 第 32：step-3.7-flash，得分 92.1 分 — 查看该模型的详细评测结果
  33. 第 33：OpenAI: gpt-oss-120b，得分 92.07 分 — 查看该模型的详细评测结果
  34. 第 34：StepFun: Step 3.5 Flash，得分 92.0 分 — 查看该模型的详细评测结果
  35. 第 35：qwen3-235b-a22b，得分 92.0 分 — 查看该模型的详细评测结果
  36. 第 36：Qwen 3.7 Max，得分 91.9 分 — 查看该模型的详细评测结果
  37. 第 37：qwen3-max，得分 91.87 分 — 查看该模型的详细评测结果
  38. 第 38：OpenAI: GPT-5 Mini，得分 91.83 分 — 查看该模型的详细评测结果
  39. 第 39：glm-5，得分 91.77 分 — 查看该模型的详细评测结果
  40. 第 40：xAI: Grok 4.20 Beta，得分 91.7 分 — 查看该模型的详细评测结果
  41. 第 41：qwen3.5-omni-plus，得分 91.2 分 — 查看该模型的详细评测结果
  42. 第 42：Meituan: LongCat Flash Chat，得分 91.2 分 — 查看该模型的详细评测结果
  43. 第 43：OpenAI: GPT-5.4，得分 90.8 分 — 查看该模型的详细评测结果
  44. 第 44：qwen3.5-omni-flash，得分 90.7 分 — 查看该模型的详细评测结果
  45. 第 45：mimo-v2-flash，得分 90.7 分 — 查看该模型的详细评测结果
  46. 第 46：xAI: Grok 4.1 Fast，得分 90.2 分 — 查看该模型的详细评测结果
  47. 第 47：kimi-for-coding，得分 90.2 分 — 查看该模型的详细评测结果
  48. 第 48：glm-4.5-air，得分 89.53 分 — 查看该模型的详细评测结果
  49. 第 49：glm-5.2，得分 89.4 分 — 查看该模型的详细评测结果
  50. 第 50：doubao-seed-1-6，得分 89.4 分 — 查看该模型的详细评测结果
  51. 第 51：Qwen: Qwen3.5-9B，得分 89.3 分 — 查看该模型的详细评测结果
  52. 第 52：deepseek-v3.2，得分 89.17 分 — 查看该模型的详细评测结果
  53. 第 53：kimi-k2-thinking-turbo，得分 89.0 分 — 查看该模型的详细评测结果
  54. 第 54：doubao-seed-2-0-mini，得分 88.5 分 — 查看该模型的详细评测结果
  55. 第 55：Grok 4，得分 88.5 分 — 查看该模型的详细评测结果
  56. 第 56：qwen3-coder-next，得分 88.3 分 — 查看该模型的详细评测结果
  57. 第 57：deepseek-v4-flash，得分 88.2 分 — 查看该模型的详细评测结果
  58. 第 58：mimo-v2-pro，得分 88.2 分 — 查看该模型的详细评测结果
  59. 第 59：hunyuan-turbo，得分 87.92 分 — 查看该模型的详细评测结果
  60. 第 60：Meta: Llama 3.3 70B Instruct，得分 87.5 分 — 查看该模型的详细评测结果
  61. 第 61：doubao-seed-2-0-code，得分 87.2 分 — 查看该模型的详细评测结果
  62. 第 62：mimo-v2-omni，得分 87.2 分 — 查看该模型的详细评测结果
  63. 第 63：NVIDIA: Nemotron 3 Super (free)，得分 87.0 分 — 查看该模型的详细评测结果
  64. 第 64：hunyuan-pro，得分 86.6 分 — 查看该模型的详细评测结果
  65. 第 65：OpenAI: gpt-oss-20b，得分 86.17 分 — 查看该模型的详细评测结果
  66. 第 66：qwen3.5-35b-a3b，得分 86.0 分 — 查看该模型的详细评测结果
  67. 第 67：qwen3.5-27b，得分 85.3 分 — 查看该模型的详细评测结果
  68. 第 68：Google: Gemini 3 Flash Preview，得分 84.95 分 — 查看该模型的详细评测结果
  69. 第 69：qwen3-4b，得分 79.8 分 — 查看该模型的详细评测结果
  70. 第 70：doubao-seed-2-0-lite，得分 75.17 分 — 查看该模型的详细评测结果
  71. 第 71：qwen3-14b，得分 74.5 分 — 查看该模型的详细评测结果
  72. 第 72：qwen3-8b，得分 73.8 分 — 查看该模型的详细评测结果
  73. 第 73：hunyuan-large，得分 72.08 分 — 查看该模型的详细评测结果
  74. 第 74：doubao-seed-2-0-pro，得分 70.33 分 — 查看该模型的详细评测结果
  75. 第 75：qwen3-coder-flash，得分 70.2 分 — 查看该模型的详细评测结果
  76. 第 76：Google: Gemini 2.5 Flash Lite，得分 67.33 分 — 查看该模型的详细评测结果
  77. 第 77：doubao-seed-1-6-flash，得分 62.2 分 — 查看该模型的详细评测结果
  78. 第 78：OpenAI: GPT-4o-mini，得分 59.27 分 — 查看该模型的详细评测结果
  79. 第 79：Mistral: Mistral Nemo，得分 52.53 分 — 查看该模型的详细评测结果
  80. 第 80：qwen3-0.6b，得分 21.0 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…