先测一把之前发表在nature杂志上论文Testing AI on language comprehension tasks reveals insensitivity to underlying meaning的四个基本的文字题：
结果DeepSeek-R1-Lite表现不错，都通过了。
最后让它做一个其实更容易的题目，只是计算上复杂一些，有两个未知数，需要求方程，结果悲剧出现了：算错了，就不停地重复计算，有视频为证。先看一下分析和计算的过程，感觉一步一步分析还挺正确的，那从什么地方开始错的？各位看官来帮它找一下问题：
然后就一直重复计算.......
我让OpenAI o1-mini做一把，结果很顺利，well done
GTP-4o做不出来，Claude 3.5做出来了，结果多了10分钟（居然算出s=3，t-60），Gemini 1.5多了4分钟（完全靠试，过程很乱）。
真有意思？这是大模型的幻觉吗？
