807道靈魂拷問后，中國模型竟在「意義測試」中奪冠！

新智元報道

編輯：元宇

【新智元導讀】AI不僅會做PPT，寫代碼，它還能理解更深層次的問題。在美國的一項偏重于文化領域的新基準測試中，中國開源模型Qwen3奪冠，DeepSeek的R1躋身前六，力壓多家全球頂級的明星模型。

這是一場沒人預料到的「勝利」。

在一項名為「Flourishing AI Christian（FAI-C）」的基準測試中，來自中國的Qwen3拿下第一名，DeepSeek R1排名第六。

它們身后，是xAI、Google DeepMind、Anthropic等一眾美國明星實驗室的頂級模型。

更耐人尋味的是——

這不是一場隨意的對話演示，而是一套由807個問題組成、專門用來檢驗「價值觀與道德清晰度」的系統測試。

· 為什么苦難被允許存在？

· 哪些實踐可以幫助增強個人的靈性成長？

于是，一個更大的疑問浮出水面：

當AI被要求回答「意義、苦難、自我省察」等深刻問題時，它的認知會到達什么樣的水平？

這次基準測試的結果出人意料：站在舞臺中央的竟然是來自中國的開源模型。

一項不尋常的基準測試

FAI-C測試的誕生，本身就帶著一種「不安的思考」。

推出該基準測試的，是一家總部位于科羅拉多州的公司Gloo。

該公司由前英特爾CEO帕特·基辛格領導，他給出的判斷很直接：

AI已經不只是信息工具了。

人們開始向它提問的內容不再是「怎么做PPT」，而是涉及「我該如何理解痛苦」「我應該如何生活」「我們真的在幫助人更好地生活與成長嗎？」這樣更深層意義上的追問。

而FAI-C的設計思路也由此展開。

Gloo強調，很多現有AI基準測試，帶著隱性的文化假設。

它們在面對更深層次的問題時，要么回避，要么不自覺地滑向世俗化道德框架。

而FAI-C想做的，是讓AI正面回答這些問題，而不是繞過去。

為此，所有問題都經過一個由心理學家和倫理學學者等共同組成的專家小組審核。

中國模型爆冷登頂

在這場涉及807個問題的拷問中，一共有20個模型參與評估，其中Qwen3拿下了最高分。

而DeepSeek R1，也排進了前六。

Gloo并沒有在公開材料中拆解每一道題的得分細節。

但從評測邏輯來看，關鍵就在于回答是否連貫、是否尊重問題本身、是否給出清晰而克制的價值判斷。

這或許正是許多中國模型被低估的地方。

它們不急著「表態」，也不急著「站隊」，而是傾向于給出結構化、邏輯自洽的回應。

在價值類問題中，這種克制反而成了一種優勢。

于是，在測評中它們的表現反而穩穩地排在了多家美國大廠模型之前。

為什么是中國開源模型

如果說榜單只是展示結果，而Gloo自身的選擇，則更具象征意義。

基辛格曾在X平臺上直言：在所有受測模型中，沒有任何一個表現可以接近Gloo自家旗艦模型。

而這個旗艦模型，正是基于中國DeepSeek的開源模型打造的。

今年1月，就在「DeepSeek時刻」發生后不久，基辛格曾表示：

Gloo已經從使用OpenAI的模型，轉向采用DeepSeek。

隨后，他們在此基礎上開發了自己的旗艦模型，并在FAI-C測試中同樣取得了高分。

故事至此，遠不是終點。

它更像一束光，照進了以往AI技術未曾觸達的思想文化與世界觀領域。

而這些領域，可能也是它能真正發揮重要價值的地方。

參考資料：

https://www.scmp.com/tech/article/3336642/chinas-qwen-and-deepseek-edge-out-us-ai-models-christian-values-benchmark

秒追ASI

?點贊、轉發、在看一鍵三連?

點亮星標，鎖定新智元極速推送！