通过经纬度水陆问答测试大模型地理认知能力

通过向模型提问大量经纬度坐标属于陆地还是水，可以在 16200 次采样后绘制出模型对地球地图的空间表征。评测显示 Claude 系列从 4.6 代起轮廓开始成型且 Opus 5.5 还原度最高；作者使用百炼平台测试国产模型，deepseek-v4.1-flash 相比 v4 进步显著，单次完整测试约消耗 0.7 至 1.2M token。