AI模型时区推理能力对比：细节决定成败

在这道看似简单的时区转换题目中，8个顶级AI模型展现出了明显的能力分化。题目要求从北京时间（UTC+8）3月15日周六15:00出发，计算4个城市的当地时间和星期几。

完全正确组（5个模型）：Claude Sonnet 3.5、Gemini 2.0 Pro、Claude Opus、GPT-4o和GPT-o1-preview均给出了准确答案。这些模型不仅正确计算了时差（纽约-13小时、伦敦-8小时、东京+1小时、悉尼+3小时），更重要的是准确判断了日期变化——纽约因时差跨越了午夜，仍为3月15日周六。

计算错误组（3个模型）：

本文为 赢政天下 原创报道，转载请注明出处：Winzheng.com

• DeepSeek V3和R1：两个模型给出了完全相同的错误答案，在悉尼时间上出现偏差（18:00而非正确的18:00），这可能暴露了它们在训练数据或推理逻辑上的共同缺陷。
• Qwen Max：错误最为严重，不仅将纽约的星期判断错误（周五而非周六），还将悉尼时间计算错误（17:00而非18:00），显示出基础时区计算能力的不足。

关键洞察：

1. 日期边界处理：纽约时间需要向前推13小时至凌晨2:00，正确组都准确保持了"3月15日周六"，而Qwen Max错误地改为"周五"。
2. 模型同质化：DeepSeek的两个版本给出相同错误答案，可能反映了模型架构或训练数据的相似性。
3. Claude系列稳定性：Claude的两个版本（Sonnet和Opus）都表现完美，展现了Anthropic在基础推理任务上的扎实训练。

结论：这道题目虽然只涉及简单的时区计算，但有效区分了模型的基础推理能力。5个模型的满分表现说明当前主流大模型已能稳定处理此类任务，而3个模型的失误则提醒我们，即使在基础任务上，模型间仍存在显著差距。特别值得注意的是，最新的DeepSeek V3在这类基础任务上的表现并不理想，这与其在其他复杂任务上的优异表现形成对比。

数据来源：赢政指数 (YZ Index) | Run #20 | 查看原始数据