挑战南大OS并发题：国产大模型推理实测
本测试针对国产大模型在复杂并发编程领域的推理能力进行了实测，测试题目源自南京大学蒋炎岩（jyy）操作系统课上的经典并发提问。测试结果显示： 1. Qwen 3.7-plus 表现最强，成功将问题推广至任意线程的三次迭代，展现出极高的逻辑推理与泛化能力； 2. GLM-5.1 证明过程无误，而更新的 GLM-5.2 反而犯了致命错误，错误地假定变量单调递增，忽略了线程间写操作相互覆盖的可能性； 3. Kimi-k2.7 虽有正确线索但组织混乱，DeepSeek-v4-pro 则遗漏了关键推理步骤。 此测试表明，尽管新一代大模型在处理高难度并发与系统级编程问题上取得了长足进步，但在处理多线程竞态条件等复杂边界情况时，模型的逻辑严密性仍存在显著差异，Qwen 和 GLM 在推理深度上处于领先梯队。