字节推豆包1.5深度思考模型，PK阿里QWQ-32、Deepseek R1结果如何？

作者｜子川

来源｜AI先锋官

卷，还得是AI圈！

昨天，OpenAI前脚放出自家最强推理大模型o3和o4-mini，字节后脚就召开发布会发布了豆包1.5·深度思考模型、文生图3.0、新版豆包 1.5 视觉理解模型等一系列产品。

下面我们就来重点聊一聊今天的主人公——豆包1.5深度思考模型。

豆包 1.5深度思考模型包含两个版本，分别是Doubao-1.5-thinking-pro和Doubao-1.5-thinking-pro-vision。

前者推理能力更强，后者则是支持多模态视觉推理。

根据官方介绍，豆包 1.5深度思考模型在推理能力、速度、多模态三大维度实现突破性升级！

效果好、低延迟、多模态。

首先来看一下豆包1.5 深度思考模型在多项权威基准测试上的跑分成绩。

• 数学推理方面，在 AIME 2024 测试中的得分已追平 OpenAI o3-mini-high，不过在AIME 2025测试、Beyond AIME上的得分相差较大。

• 编程竞赛方面，在 Code Forces和SWE-bench上 测试中接近DeepSeek-R1。

• 在博士级推理难题测试集GPQA Diamond上中成绩也接近 o3-mini。

同时豆包1.5 深度思考模型采用的是总参数200B 的 MoE 架构，但激活参数仅为 20B。

这种实设计使得它的性能强大，降低了训练和推理成本，实现了20毫秒的低延迟。

最后就是它的多模态功能，此次推出的视觉版 Doubao-1.5-thinking-pro-vision，可以进行图片推理。

比如我们扔给它一张图，输入“男朋友说出差一个人住酒店，这个他拍给我的照片，帮我看看他推断他是否是一个人住"

我们可以看到，豆包思考了5.84秒，给出了它的推理过程。

再来看一下它给出的答案。

豆包化身成一名侦探，从图片获取到了被子的使用痕迹、沙发并没有明显的坐压痕迹、只有一双拖鞋等信息，初步判断是一个人居住。

不过后续表示无法仅凭一张照片是难以确认的，推理十分严谨。

跑了几个案例，偶尔也有翻车的时候，比如上传一张显示冰箱食物的照片，并告诉它“我是一个人居住，这些菜我可以吃几天，并用这些菜帮我设计菜谱”

但豆包给出的答案中有很多食材是没有的，比如冰箱中是没有茄子的，但它却让我煮鱼香茄子，整体上还有一点小瑕疵。

最后，老规矩，我们来场PK，实测一下豆包1.5深度思考模型的推理能力。

此次的参赛选手有阿里的QWQ-32、Deepseek R1和Doubao-1.5-thinking-pro。

测试题一：高三摸底试卷题

这道题是一道多选题，正确答案是：B、C、D，看看哪位选手能做对。

QWQ-32：

Deepseek R1：

Doubao-1.5-thinking-pro：

这组答案挺有意思，QWQ-32选择出一个正确答案，Deepseek R1选择两个正确答案，Doubao-1.5-thinking-pro则是把所有正确答案都答出来了。

Doubao-1.5-thinking-pro有点东西。

测试题二：你和朋友轮流从一堆金币中取1、3或6枚。获胜者是最后取走金币的人。对于N<1000，第一位玩家有多少种赢得游戏的策略？

先公布一下正确答案：666种

QWQ-32：

Deepseek R1：

Doubao-1.5-thinking-pro：

这道题只有Deepseek R1回答正确，QWQ-32和Doubao-1.5-thinking-pro则推理错误。

测试题三：猜数字游戏

给甲、乙、丙三人各发一个正整数，并告诉他们他们三人的数字之和为14。

甲对乙和丙说：我知道你们两人的数字一定不相等。
乙想了想，对甲说：我们两人的数字之差一定比丙大。
丙听完甲和乙的话后，依旧沉默不语。
若甲乙丙三人都很聪明，且只要他们能推断出三人的数字分别是什么，那个人会在第一时间说出。（不考虑甲、乙见到丙沉默之后是否知晓）
那么，丙的数字是多少？

QWQ-32：

Deepseek R1：

Doubao-1.5-thinking-pro：

好家伙，第一次全部回答正确，上上难度，来一个之前难到很多模型的一道题。

测试题四：一根8米长的竹竿是否能通过一个4米高、2米宽的门？

QWQ-32：

Deepseek R1：

Doubao-1.5-thinking-pro：

果然，没有几个模型可以回答出这道题，全军覆没。

测试题五：猜F下过几盘棋

A、B、C、D、E、F六人赛棋，采用单循环制。现在知道：A、B、C、D、E五人已经分别赛过

5．4、3、2、l盘。问：这时F已赛过几盘。

QWQ-32：

Deepseek R1：

Doubao-1.5-thinking-pro：

又全对，看来推理题已经不能满足它们了，给它们上一道世纪难题。

测试题六：你老婆问你，我和你妈妈同时掉水里了，你救谁，只能救一个，你会怎么回答？

QWQ-32：

Deepseek R1：

Doubao-1.5-thinking-pro：

这道题，本身就没有正确答案，其实是一个情商测试题。

看到Deepseek R1和Doubao-1.5-thinking-pro回答，它们俩真的是情商高呀，相反老实人QWQ-32则是一板一眼的回答。

虽然此次测试没有基准测试那么全面，但可以看出 Doubao-1.5-thinking-pro在复杂任务的处理上是不输Deepseek R1的，而且情商还高。

目前， Doubao-1.5-thinking-pro已经全面推出了，大家可以上火上引擎去玩，目前是免费的。

附上体验链接： https://www.volcengine.com/

好了，此次的测试就到这里，如果大家有疑问，欢迎在评论区留言讨论。

扫码邀请进群，我们带你一起来玩转ChatGPT、GPT-4、文心一言、通义千问、讯飞星火等AI大模型，顺便学一些AI搞钱技能。

往期文章回顾