近期，一个新的 AI 评测基准 FormulaOne 引发了广泛关注。这个基准由专注于超智能与高级 AI 系统的研究机构 AAI 推出，挑战了一众顶尖的 AI 模型，如 GPT-5、Grok4和 o3Pro 等，结果却让人瞠目结舌:这些模型在测试中全都得了零分!
FormulaOne 基准包含了220个新颖的图结构动态规划问题，题目难度分为三类，从中等难度到科研级别，其中包括拓扑、几何和组合问题等复杂领域。尽管问题的表述看似简单，但实际上，解决这些问题所需的推理与逻辑推演难度极高，几乎可以称得上是博士级的挑战。
这一系列问题依赖于 Courcelle 提出的一个算法元定理，该定理强调，对于每个类似树的图，任何可用逻辑定义的问题都可以通过动态规划算法来解决。这就需要使用一种被称为树分解的结构，将图的顶点组织成一系列重叠的集合，并以树状结构排列，随后通过动态规划逐步解决。
在浅层难度的问题上，这些前沿 AI 模型的表现尚可，达到了50% 到70% 的成功率，说明它们对这些类型的问题有一定的认识。然而，在深层和更深层难度的题目中，情况就不容乐观了。深层难度的测试中，顶尖模型的成功率大幅下降，Grok4、Gemini-Pro 等模型最多只能解出1% 的题目，而 GPT-5Pro 的表现稍好，仅解出4个问题。最深层的难度测试中，所有模型的成功率则是零，集体崩溃。
这项评测结果不仅引发了科研界的广泛讨论，还让人们对 AI 模型的真实能力产生了质疑，许多人甚至建议让人类博士生也来参与评估。随着 AI 技术的快速发展，我们不得不思考:这些模型究竟距离真正的 “博士级” 推理能力还有多远?
模型地址：https://huggingface.co/spaces/double-ai/FormulaOne-Leaderboard
划重点:
✅ GPT-5等 AI 模型在新评测基准 FormulaOne 中全都得了零分，令人震惊!
✅ FormulaOne 包含220个高难度动态规划问题，考验 AI 模型的推理能力。
✅ 大部分模型在浅层问题上表现尚可，但在深层和更深层问题上均遭遇失败，揭示了 AI 的局限性。
