9.11和9.9哪个更大？近日不少媒体就此问题，测试了多个大模型，但是多家大模型如字节豆包、GPT4o、月之暗面Kimi、阶跃星辰跃问、百川智能百小应等，都回答错误。

除此之外，之前有用户向大模型提问草莓（strawberry）这个单词有几个r时，多家也出现错误说是两个。

针对这些问题的出现，月之暗面回应称：其实我们人类对大模型的能力探索——无论是大模型能做到什么，还是大模型做不到什么——都还处于非常早期的阶段。

“我们非常期待用户在使用中能够发现和报告更多的边界案例（Corner Case），不管是最近的“9.9和9.11哪个大、13.8和13.11哪个大”，还是之前的’strawberry‘有几个’r‘，这些边界案例的发现，有助于我们增加对大模型能力边界的了解。但要彻底解决问题，又不能仅仅依赖于逐一修复每个案例，原因在于这些情况就像自动驾驶会遇到的场景一样是很难穷尽的，我们更加要做的是不断增强底层基础模型的智能水平，让大模型变得更加强大和全面，能够在各种复杂和极端情况下依然表现出色。”