实战测评：在复杂航线推理任务中，GPT表现仍显著优于Grok与Gemini

近日，有科技爱好者通过分析复杂航班历史路线的实战案例，对比了 GPT、Grok 和 Gemini 三款主流大模型的表现。测试要求模型根据两点间的历史飞行记录，推断特定日期的飞行路径及经过国家。结果显示，仅有 GPT-5.5 thinking 在多次尝试中成功给出了正确的逻辑推断。相比之下，Grok 被指存在严重的幻觉问题，即便在提供参考链接的情况下仍会胡编乱造。这一用户侧的实测案例表明，在涉及多步逻辑推理与事实准确性要求的场景下，头部模型之间仍存在明显的性能差距。