Gemma、Mistral、QwQ挑战Deepseek，谁能胜出？

这是Gemma 3 27b vs. 阿里千问QwQ 32b vs. Mistral 24b vs. Deepseek r1测试。

上周，谷歌和Mistral公司分别发布了两个新的人工智能模型，叫做Gemma 3 27b和Mistral small 3.1 24b。从一些标准测试来看，这两个模型的表现似乎都能接近另一个叫做Deepseek r1的模型，这听起来挺厉害的。

但是说实话，我现在对这些标准测试的结果不太感兴趣了，特别是那些由在Lmsys 排行榜上的得分与 Deepseek r1 相当做的测试。因为在实际使用这些模型的时候，它们的表现总是不太符合测试的排名。

所以，我自己做了一些小测试，想看看应该选择哪个模型。我还用了Deepseek r1来对比答案，因为我经常用它来获取更好的图像。

我不太喜欢排行榜，因为我仍然确信具有 671B 参数的 Deepseek r1 在一般任务中将始终遥遥领先。但我很想看看这三款产品的表现如何。QwQ 在多个基准测试中的得分甚至与 Deepseek r1 相当。

因此，这里的基本假设是模型的表现将低于 r1，而任何高于该值的数值都会为模型增加一分。
我使用了OpenRouter托管模型来进行此比较。

以下是我的发现：

对于编程任务：QwQ 32b在编程方面明显比另外两个模型强。有时候它写的代码比Deepseek r1还要好。他们在测试中没有说谎。和它交流也很舒服。Gemma排在第二，能完成一些简单的任务。而Mistral在这方面表现很差。
对于逻辑推理：Qwen表现得更好。当然，这是一个专门用于推理的模型，但Gemma也很不错。他们做了一个很好的基础模型。Mistral虽然也有这个功能，但表现一般。
对于数学问题：Gemma和QwQ都能处理一些简单的数学题。Gemma作为基础模型，速度更快。我可能会对这两个模型进行更多的测试。Mistral表现还行，但还是排在第三。

那么，该选哪个呢？
阿里千问QwQ 32b无疑是这些模型中最好的。
它在编程、逻辑推理和数学方面都很擅长。

我已经很久没用过本地模型了，上一次用的是一年前的Mixtral，我没想到它们现在会这么好。