前沿大模型纯心算 20 位乘法近乎满分

开发者 maksymandr 于 9 月 17 日发布一系列评测与讨论，核心发现是：前沿大模型在不调用任何外部工具的情况下，已经能以极高准确率完成 20×20 位大数乘法，远超人类手算能力。

已确认

• Claude Opus 5 在最高推理档位下完成 20×20 位（两个 20 位数字相乘）乘法测试，1200 道题全部答对，准确率 100%；但这一结果依赖开启最大推理强度（m1、m7）。
• GPT-6-Astra 无法在无 CoT 模式下运行，API 最低推理档位即为 low，而在 low 档其乘法准确率仍达 99.6%（m3）。
• cozyblazex 的复现实验显示，GPT-5.5 在中等推理档位、每格采样 7 次的条件下，多格乘法测试准确率达 99.46%，全程不调用任何工具；maksymandr 转引并补充实践建议（m6）。
• 实验设置方面，maksymandr 澄清其 answer-only 提示不允许任何中间计算：要求模型计算 {a} × {b} 时只能输出最终答案的纯整数，不带逗号、不带文字、不带演算过程，即全部计算须在单次（可能带循环的）前向传播内完成（m9）。
• maksymandr 贴出 20 位乘法手算竖式图，直观说明该规模下人类手算几乎必然出错（m2）。
• 实践要点：任何合理的 LLM 在处理超过 5×5 位的乘法时都应调用外部工具，即可 100% 算对（m4）。

观点与推测

• 关于为何新模型 Fable 和 Astra 不提供无思考模式，maksymandr 猜测原因包括：无 CoT 版本会让模型大小与深度信息被推断出来；无 CoT 版本更易受各类攻击；且只有 Fable 能读取 Fable 的隐藏思维链，不希望该通道被绕开（m5）。此为推测，非官方确认。
• scaling01 认为，该评测可用于衡量无 CoT 能力，对循环深度架构尤有意义（m8）。

为什么重要

该评测以一个极简、可复现的任务量化了前沿模型纯推理能力的上限，且已有多人、多模型复现出接近完美的结果，可信度较高。answer-only 的严格设置意味着模型在单次前向传播内完成了远超人类手算能力的精确算术。它同时揭示了「无思考模式」在最新一代模型中可能被有意取消的趋势，引发对模型能力披露与安全考量之间权衡的讨论。

2026-09-17 ~ 2026-09-17 · 9 条相关

• 【源头】实测 Claude Opus 5 纯推理完成 20×20 位乘法，1200 题全对 — maksym_andr · 2026-09-17
• 【源头】GPT-6-Astra 被曝无法关闭 CoT，最低推理档乘法准确率仍达 99.6% — maksym_andr · 2026-09-17
• 一张图看 20×20 位大数乘法：人类手算几乎必错的规模 — maksym_andr · 2026-09-17
• 大数乘法不用愁：LLM 调用外部工具即可 100% 算对 — maksym_andr · 2026-09-17
• 【源头】GPT-5.5 纯推理多格乘法实测 99.46% 准确率，作者提醒实际会调工具 — maksym_andr · 2026-09-17
• 20 位数乘法 Opus 5 全对,作者推测无思考模式另有隐情 — scaling01 · 2026-09-17
• 为何 Fable、Astra 不提供无思考模式:防攻击与保护 CoT 监控 — maksym_andr · 2026-09-17
• 禁止思考链?模型被迫在单次前向传播内完成大数乘法实验 — maksym_andr · 2026-09-17

另有 1 条近重复转述:xeophon