Fate Partner

RELATIONSHIP & BAZI JOURNAL · 八字入門

100 組天文邊界 5 大模型實測(v1.1):從 78% 錯盤到 10 萬思考 Token 的排盤真相

Fate Partner 公開 100 組世界時(UTC)天文邊界測試集,零工具實測 DeepSeek、Gemini 3.8 Flash、Claude Sonnet/Opus 5.5 與 Gemini 4 Carbon,揭開大模型排八字的準確率與成本真相

我們使用 Fate Partner 確定性萬年曆引擎建立了一套 100 組高難度天文邊界測試集(v1.1 統一世界時 UTC 交節基準,涵蓋立春、十二節、台日城市真太陽時、晚子時與歷史夏令時間),並於 2026 年 11 月 22 日在嚴格零工具(Zero-Tool)條件下實測 5 款主流模型。結果呈現劇烈分層:非推理聊天檔 DeepSeek-Chat 錯盤率高達 78.0%(全對僅 22%)、輕量推論檔 Gemini 3.8 Flash 錯盤率 44.0%、中階推論 Claude Sonnet 5.5 錯盤 16.0%、旗艦 Claude Opus 5.5 仍錯 4.0%,而 Gemini 4 Carbon 雖以 100/100 過關,卻耗費超過 10.5 萬個思考 token 與約 18 分鐘。

一、5 大模型 100 組天文邊界實測總榜(v1.1 世界時基準)

在每題明確提供城市經度、IANA 時區與真太陽時規則的上限友善條件下,5 款零工具受測模型對照確定性引擎的成績如下:1)DeepSeek-Chat(非推理 API,temperature=0):四柱全對率 22.0%、錯盤率 78.0%(日主錯 22%、時柱錯 52%);2)Gemini 3.8 Flash(Medium 思考,約 5.3 萬思考 token):四柱全對率 56.0%、錯盤率 44.0%(日主錯 19%、真太陽時錯 95%);3)Claude Sonnet 5.5(Medium 思考,約 4.9 萬思考 token):四柱全對率 84.0%、錯盤率 16.0%(十二節換月錯 32%);4)Claude Opus 5.5(Medium 思考,約 3.8 萬思考 token):四柱全對率 96.0%、錯盤率 4.0%(十二節換月仍錯 12%);5)Gemini 4 Carbon(Medium 思考,約 10.5 萬思考 token、耗時約 18 分鐘):四柱全對率 100.0%;6)Fate Partner 確定性萬年曆 / MIT MCP 引擎:四柱全對率 100.0%,單次耗時不到 2 毫秒、消耗 0 token。另備註:開源權重模型 GPT-OSS 120B(Medium)在零工具下先拒答、複測批量 50 題時退化為重複輸出「甲子」,為保持公正未計入排行榜。

二、五大天文陷阱拆解:為什麼日常聊天檔最容易排錯?

按五大邊界類別拆解:1)立春前後(25 組):DeepSeek-Chat 錯 72.0%、Claude Sonnet 5.5 錯 16.0%、Gemini 3.8 Flash 錯 12.0%(如 1988-02-04 23:07 台北,正解「戊辰 甲寅 庚寅 丙子」,DeepSeek 誤判日柱為「己亥」);2)十二節換月邊界(25 組):所有非頂配模型皆大量失分——DeepSeek 與 Gemini 3.8 Flash 雙雙錯 48.0%,Claude Sonnet 5.5 錯 32.0%,連旗艦 Claude Opus 5.5 也錯 12.0%(如 1992-07-07 05:20 台北生於小暑後 40 分鐘,Opus 誤判仍屬「丙午」月;1991-06-06 12:18 大阪生於芒種前,DeepSeek、Flash、Sonnet 皆誤判「甲午」);3)台灣、日本與全球真太陽時邊界(20 組):DeepSeek 錯 100%(0/20)、Gemini 3.8 Flash 錯 95%(1/20),例如 1992-11-03 00:35 東京合計 +35 分鐘真太陽時偏移應為「癸丑」時,多數輕量模型漏算;4)23:00 晚子時換日(15 組):DeepSeek 錯 86.7%、Gemini 3.8 Flash 錯 33.3%;5)台灣(1946–1979)、日本(1948–1951)與中國大陸(1986–1991)歷史夏令時間(15 組):DeepSeek 錯 100%(0/15)、Gemini 3.8 Flash 錯 33.3%(如 1974-06-20 11:20 台北與 1948-07-10 01:20 東京皆須先回撥 1 小時)。

三、10.5 萬思考 Token 換 100%?為什麼這反而證明該用確定性工具

本次補測最值得工程與產品團隊重視的發現,不是「模型笨」,而是「算力與架構錯位」:現實中超過九成用戶免費諮詢八字時使用的是非推理聊天檔或 Flash 輕量檔,且不會主動提供出生地經度與夏令時規則,實戰錯盤率落在 44%–78% 以上;即使用最高階的 Gemini 4 Carbon,也是在開卷提供精確經度並燃燒 105,418 個思考 token、耗時約 18 分鐘手推儒略日才達成全對。這相當於單張命盤付出超過 1,000 個思考 token 與約 11 秒延遲,而一個確定性天文曆法程式只需要不到 2 毫秒、0 token 且永遠不漂移。

四、開源公開審計的紅利(v1.1 跨時區修正)與混合架構正解

正因為我們執行了多模型交叉盲測並逐題核對分歧,我們也在 v1.1 審計中抓出並修正了 v1.0 測試集裡 10 例日本時區(Asia/Tokyo UTC+9 對照 UTC+8 節氣表)的 1 小時跨時區交節偏差——所有修正紀錄、100 組世界時測試集與 5 款模型原始輸出均已以 MIT 授權公開於 GitHub(github.com/liu17513567-blip/bazi-solar-term-mcp)。Fate Partner 堅持「確定性萬年曆算盤在前、規則層與現代白話轉譯在後」的兩層分離架構,歡迎開發者與 AI Agent 直接掛載我們的 MIT 開源 MCP 工具,把寶貴的語言模型算力留給真正需要同理心與脈絡理解的關係解讀。

← 回到博客