AI Model Groupthink

Magic Numbers 对12个 AI 模型进行推荐答案一致性测试，样本中的中国模型整体更接近其他模型的共识。基于数百个英语问题，5个中国模型的平均一致性得分为0.47，6个美国模型为0.38，Mistral 为0.36；DeepSeek 得分最高，Claude Haiku 最低。