一道看似简单的数学题——比较9.9与9.11的大小，竟成为考验人工智能模型能力的试金石。近日，阿里巴巴最新公测的千问APP在回答该问题时出现失误，引发业界对AI模型基础运算能力的关注。测试中，千问首次回答称"9.11更大"，随后在问题拆解阶段又正确指出"9.9大于9.11"，最终通过自我纠错机制修正了答案。
据技术团队分析，此次错误源于双重因素：一方面，模型在推理过程中虽正确拆解了小数比较规则（9.9的十分位为9，9.11的十分位为1），但最终结论出现笔误；另一方面，"9.11"的三位数形式引发了数字长度错觉，导致潜意识干扰。这种认知偏差在语言模型处理数值问题时尤为常见，因其本质是通过统计相关性而非严格逻辑推理进行判断。
该问题最早由艾伦研究机构成员林禹臣发现。他曾在社交平台曝光ChatGPT-4o将13.11误判为大于13.8的案例。随后，Scale AI工程师莱利·古德赛德设计变体问题"9.9与9.11谁更大"，导致包括ChatGPT-4o、谷歌Gemini Advanced在内的多个主流模型集体"翻车"。这一测试迅速成为衡量AI基础能力的标志性案例。
尽管在常识性运算上存在短板，中国AI模型在全球化竞争中已展现强劲实力。以阿里巴巴Qwen系列为例，其全球下载量突破6亿次，在技术积累与生态布局方面形成独特优势。爱彼迎CEO布莱恩·切斯基公开表示，公司已大规模采用Qwen模型替代部分OpenAI服务，因其"速度更快、成本更低"。这种选择折射出商业场景对模型实用性的考量正在超越单纯的技术参数竞争。
阿里巴巴日前正式宣布全面进军AI消费级市场，将地图导航、外卖订餐、票务预订等20余个生活服务场景接入千问APP。该平台基于开源模型Qwen3构建，被管理层视为"AI时代的关键战役"。此举不仅意味着中国科技企业正借助开源生态扩大国际影响力，更标志着AI竞争从技术层面向应用层面全面升级。值得关注的是，千问项目在修正基础运算错误的同时，正通过多模态交互与场景化训练持续提升模型泛化能力。
