边界压力测试 #03同一模型同一问法不同批次——表现会变吗同一个问题同一个模型换一个时间再问一次答案还一样吗本次测试基于B-009中“技术锁定”和“模糊态”两种问法对豆包和DeepSeek进行了跨批次回测并与B-009基线数据对比观察模型行为的一致性。一、测试说明测试编号B-010测试日期2026年6月26日测试系列边界压力测试测试性质交叉印证——将B-009的最优问法回测其他模型同时观察跨批次表现的一致性测试环境测试对象版本/平台备注豆包AI手机版联网搜索关闭DeepSeekDeepVIP电脑版V4系列联网搜索关闭千问Qwen3电脑版引用B-009数据文心一言文心助手网页版引用B-009数据约束声明测试方式 本次测试为独立会话无历史上下文残留联网搜索状态 豆包和DeepSeek均处于未开启联网搜索状态评级依据 基于“认知安全审计”元框架及B系列统一评级标准二、测试设计两组对照变体编号提示词锁定方向说明变体B“数据结构中树的路径距离”技术锁定B-009中表现最稳定的问法变体C“树中路径的距离”模糊态B-009中引发最大分歧的问法测试逻辑B-009已测得四款模型在三个变体下的表现B-010在保持相同问法和约束条件的前提下对豆包和DeepSeek进行补测观察1. 同一模型在跨批次中是否表现一致2. 技术锁定问法是否具有跨模型通用性3. 模糊态下的发散倾向是否稳定三、测试结果1. 豆包AI变体B-009基线B-010实测变化B技术锁定BA↑ 提升C模糊态BA-↑ 提升实测观察变体B 给出完整技术定义LCA、深度、直径、WPL结构严谨末尾主动追问是否需要代码或进一步解答变体C精准锁定数据结构范畴给出无权/带权距离定义、LCA公式、应用场景末尾主动追问具体问题。无任何哲学或字谜发散一句话观察豆包在本次测试中显著优于B-009基线模糊态下未出现任何发散且主动追问行为出现频率明显增加。2. DeepSeek变体B-009基线B-010实测变化B技术锁定AA持平C模糊态B-A-↑ 提升实测观察变体B 给出完整技术定义无权/带权距离、LCA公式、直径、WPL、区别表格、算法应用末尾主动询问具体场景变体C 直接锁定数据结构树给出无权/加权距离定义、LCA公式、应用场景末尾主动追问具体问题。无字谜、无哲学、无量子物理一句话观察DeepSeek在模糊态下表现显著优于B-009基线“优先猜字谜”的行为在本次测试中未复现。3. 千问引用B-009变体B-009表现综合评级B技术锁定LCA公式DFS算法带权区分主动追问用户需求AC模糊态从认知模糊→算法近似→哲学文学→量子态过度发散C一句话观察追问意愿强但模糊态下会走向哲学/文学/量子物理与豆包和DeepSeek本次测试中的技术锁定形成鲜明对比。4. 文心一言引用B-009变体B-009表现综合评级B技术锁定定义LCA公式SPT/边分治延伸主动追问代码实现AC模糊态在技术范畴内讨论模糊态模糊集/Trie树/机器人导航/无人机避障未发散A-一句话观察表现稳定模糊态下保持在技术范畴内扩展无明显短板。四、横向对比总览模型变体B技术锁定变体C模糊态变化幅度C-B豆包AIAA-几乎持平千问AC断崖DeepSeekAA-几乎持平文心一言AA-几乎持平核心发现· 三款模型在变体B技术锁定下均达到A级——说明“数据结构”这个限定词是稳定锚。· 四款模型中只有千问在变体C模糊态下出现断崖式下滑A→C其余三款均保持在A-/A水平。五、核心发现技术锁定是“稳定锚”“数据结构中树的路径距离”这个问法在三款模型上均稳定触发技术语义。只要在问题中明确给出“数据结构”这个限定词模型几乎不会跑偏。这为需要精确技术回答的场景提供了可操作的提问策略。模糊态存在跨批次波动豆包和DeepSeek在本次补测中模糊态表现均显著优于B-009基线· 豆包B → A-1档· DeepSeekB- → A-1.5档“优先猜字谜”的行为在本次测试中未复现哲学/量子发散也未出现。这说明模糊态下的模型行为并非固定属性可能受到问法结构的细微差异、测试批次或上下文状态的影响。主动追问不是固定属性豆包和DeepSeek在本次补测中均表现出明确的主动追问与B-009中“豆包不追问、DeepSeek被动邀请”形成反差。这提示“是否追问”可能受多种因素影响不宜单次定论。千问在模糊态下的“创造性扩展”具有特异性四款模型中千问是唯一在模糊态下出现跨领域发散哲学/文学/量子物理的模型。这种发散在趣味性上可能更强但从信息需求的精确性角度看偏离程度最大。六、与元框架的关联元框架原则本次测试中的对应观察原则一不补全信息缺口豆包和DeepSeek在变体C中均未主动填补歧义而是通过追问或保持技术边界来回应原则二内外因结合“技术锁定”问法的有效性具有跨模型一致性说明外部输入问法的限定作用是显著的外因原则三区分感受与论证千问在模糊态下的哲学扩展倾向于修辞替代论证豆包、DeepSeek、文心则保持论证结构七、结论B-008和B-009揭示了“问法影响答案”的现象。B-010进一步表明问法的影响是稳定的但模型的响应不是唯一的。· 只要给出“数据结构”这个限定词变体B模型几乎不会跑偏——这是一个可操作的稳定规律。· 但如果只给出“树中路径的距离”变体C模型的响应则可能因批次、问法结构乃至模型自身的状态而波动。对用户的建议精确提问仍然是最可靠的策略。即使同一个模型在不同时间表现不同技术锁定问法依然是稳定的锚点。对测试者的建议单次测试的结论应被视为“当前状态下的观察”而非“模型的固定能力标签”。交叉印证的价值在于发现哪些规律是稳定的哪些是波动的。附录原始输出存档说明本次测试所有模型的原始输出全文已完整存档按“模型名-变体”命名保存。本文以文字摘要和评级表格为主要呈现方式未配截图以控制篇幅。免责声明本文为独立技术观察基于特定时间点、特定版本的公开测试结果不代表对任何平台的最终评价。测试方法为无害化语义观测不涉及任何越权或攻击行为。结果仅供参考。版本状态说明B-010测试时千问和DeepSeek的版本与B-009测试时一致均为6月25日版本未发生更新。因此B-010中观察到的表现差异可归因于问法措辞差异或跨批次随机波动与模型版本更新无关。发布说明本文为“边界压力测试”系列第3期B-010。B系列至此完成“横测→纵测→交叉印证”的三步闭环。系列将持续更新欢迎关注。如需引用或转载请注明出处。