这里有对佬们平常能接触到的研究级主流模型 GPT-5.2-Pro 以及 Gemini-3-pro-deepthink的简单评测。（但只是定性观察，不存在打分或者排名或者胜负结论） 
简单而言，使用两者完成第一手证明还是存在较大的抽卡和幻觉。这和我平常使用GPT-5.2-Pro讨论科研问题的感受是一样的；有时突然不知道哪里冒出来的推导以及结论，但是仔细推导会发现不够严谨（或者说漏了条件），好像模型是通过某种联想得到的结论而不是严格reasoning. Gemini-3-pro-deepthink我没有尝试过，但是就gemini系列模型的幻觉来看，或许还要比GPT更差。 
在文章中也确实是这么讲的，Gemini相比于GPT会更加笃定地给出所谓的完整证明（但实际上中间会存在很多严重幻觉和漏洞）；而GPT更加保守以及严谨，遇到真的不会的问题，就承认自己确实无法完成，并且给出能够完成的部分证明. ...