五颗骰子概率难题实测：DeepSeek 推理能力表现优于 GPT 与 Gemini

近日，社区 Linux.do 上的一篇帖子引发关注，博主通过一道复杂的概率应用题，对 DeepSeek、ChatGPT 和 Gemini 三款主流大模型的数学推理能力进行了横向评测。测试题目为：投掷五个六面骰子两次，若忽略顺序，两次点数的集合构成完全相同的概率是多少？该问题涉及多重集排列组合与条件概率，对模型的逻辑链完整性要求极高。

在测试中，ChatGPT 表现不佳，初期给出了 15.445% 的错误答案，虽经多次提示自我修正到了 0.6353% 的正确结论附近，但过程曲折且存在逻辑反复。Gemini 表现稳定，首次回答即给出了正确的 0.6353% 结果，并能指出 ChatGPT 的计算漏洞。然而，表现最突出的是 DeepSeek。它不仅一击即中给出了正确答案，还展示了最为清晰的解题思路：将骰子点数分为“五同”、“四同”、“葫芦”、“三条”、“两对”等七种形态，分别计算组合数与排列数，最终求和得出精确概率 $rac{384156}{60466176}$。

博主最终给 DeepSeek 打出了 9 分的高分，评价其“有理有据，思路清晰”，并指出国产开源模型在数学推理能力上已取得显著进步，性价比极高。

事件分析

核心观点：DeepSeek 在高难度数学推理实测中的优异表现，证明了国产开源模型在逻辑严密性与成本效益上已具备挑战国际顶尖闭源模型的实力。