大模型在简单数学题上表现不佳，无法正确回答9.11和9.9哪个更大的问题。GPT-4o、Claude-3.5-Sonnet和Gemini等模型回答错误，而百度文心一言、阿里通义千问和科大讯飞星火等模型回答正确。专家认为，大模型在处理比大小等简单数学题时依赖于预测模型的成功率，分词器的算法和机制可能导致回答错误。大模型在第二轮提问时往往能给出正确答案，提高大模型数学能力的关键在于提供高质量的数据支持。