我们使用 Fate Partner 确定性万年历引擎建立了一套 100 组高难度天文边界测试集(v1.1 统一世界时 UTC 交节基准,涵盖立春、十二节、台日城市真太阳时、晚子时与历史夏令时),并于 2026 年 11 月 22 日在严格零工具(Zero-Tool)条件下实测 5 款主流模型。结果呈现剧烈分层:非推理聊天档 DeepSeek-Chat 错盘率高达 78.0%(全对仅 22%)、轻量推论档 Gemini 3.8 Flash 错盘率 44.0%、中阶推论 Claude Sonnet 5.5 错盘 16.0%、旗舰 Claude Opus 5.5 仍错 4.0%,而 Gemini 4 Carbon 虽以 100/100 过关,却耗费超过 10.5 万个思考 token 与约 18 分钟。
一、5 大模型 100 组天文边界实测总榜(v1.1 世界时基准)
在每题明确提供城市经度、IANA 时区与真太阳时规则的上限友善条件下,5 款零工具受测模型对照确定性引擎的成绩如下:1)DeepSeek-Chat(非推理 API,temperature=0):四柱全对率 22.0%、错盘率 78.0%(日主错 22%、时柱错 52%);2)Gemini 3.8 Flash(Medium 思考,约 5.3 万思考 token):四柱全对率 56.0%、错盘率 44.0%(日主错 19%、真太阳时错 95%);3)Claude Sonnet 5.5(Medium 思考,约 4.9 万思考 token):四柱全对率 84.0%、错盘率 16.0%(十二节换月错 32%);4)Claude Opus 5.5(Medium 思考,约 3.8 万思考 token):四柱全对率 96.0%、错盘率 4.0%(十二节换月仍错 12%);5)Gemini 4 Carbon(Medium 思考,约 10.5 万思考 token、耗时约 18 分钟):四柱全对率 100.0%;6)Fate Partner 确定性万年历 / MIT MCP 引擎:四柱全对率 100.0%,单次耗时不到 2 毫秒、消耗 0 token。另备注:开源权重模型 GPT-OSS 120B(Medium)在零工具下先拒答、复测批量 50 题时退化为重复输出「甲子」,为保持公正未计入排行榜。
二、五大天文陷阱拆解:为什么日常聊天档最容易排错?
按五大边界类别拆解:1)立春前后(25 组):DeepSeek-Chat 错 72.0%、Claude Sonnet 5.5 错 16.0%、Gemini 3.8 Flash 错 12.0%(如 1988-02-04 23:07 台北,正解「戊辰 甲寅 庚寅 丙子」,DeepSeek 误判日柱为「己亥」);2)十二节换月边界(25 组):所有非顶配模型皆大量失分——DeepSeek 与 Gemini 3.8 Flash 双双错 48.0%,Claude Sonnet 5.5 错 32.0%,连旗舰 Claude Opus 5.5 也错 12.0%(如 1992-07-07 05:20 台北生于小暑后 40 分钟,Opus 误判仍属「丙午」月;1991-06-06 12:18 大阪生于芒种前,DeepSeek、Flash、Sonnet 皆误判「甲午」);3)台湾、日本与全球真太阳时边界(20 组):DeepSeek 错 100%(0/20)、Gemini 3.8 Flash 错 95%(1/20),例如 1992-11-03 00:35 东京合计 +35 分钟真太阳时偏移应为「癸丑」时,多数轻量模型漏算;4)23:00 晚子时换日(15 组):DeepSeek 错 86.7%、Gemini 3.8 Flash 错 33.3%;5)台湾(1946–1979)、日本(1948–1951)与中国大陆(1986–1991)历史夏令时(15 组):DeepSeek 错 100%(0/15)、Gemini 3.8 Flash 错 33.3%(如 1974-06-20 11:20 台北与 1948-07-10 01:20 东京均须先回拨 1 小时)。
三、10.5 万思考 Token 换 100%?为什么这反而证明该用确定性工具
本次补测最值得工程与产品团队重视的发现,不是「模型笨」,而是「算力与架构错位」:现实中超过九成用户免费咨询八字时使用的是非推理聊天档或 Flash 轻量档,且不会主动提供出生地经度与夏令时规则,实战错盘率落在 44%–78% 以上;即使用最高阶的 Gemini 4 Carbon,也是在开卷提供精确经度并燃烧 105,418 个思考 token、耗时约 18 分钟手推儒略日才达成全对。这相当于单张命盘付出超过 1,000 个思考 token 与约 11 秒延迟,而一个确定性天文历法程序只需要不到 2 毫秒、0 token 且永不漂移。
四、开源公开审计的红利(v1.1 跨时区修正)与混合架构正解
正因为我们执行了多模型交叉盲测并逐题核对分歧,我们也在 v1.1 审计中抓出并修正了 v1.0 测试集里 10 例日本时区(Asia/Tokyo UTC+9 对照 UTC+8 节气表)的 1 小时跨时区交节偏差——所有修正记录、100 组世界时测试集与 5 款模型原始输出均已以 MIT 协议公开于 GitHub(github.com/liu17513567-blip/bazi-solar-term-mcp)。Fate Partner 坚持「确定性万年历算盘在前、规则层与现代白话转译在后」的两层分离架构,欢迎开发者与 AI Agent 直接挂载我们的 MIT 开源 MCP 工具,把宝贵的语言模型算力留给真正需要共情与脉络理解的关系解读。