昨天，我不是發(fā)了幾個(gè)大模型參加數(shù)學(xué)高考的測(cè)試文章嘛。

沒(méi)想到熱度挺高，大家還挺關(guān)注的。

圖片

不過(guò)，很多評(píng)論區(qū)的小伙伴也說(shuō)，根本看不出來(lái)區(qū)別。

圖片

因?yàn)槿绷藢?duì)AI難度最高的單選第6題，還有后面那些解答題。

那我想，不如再把模型補(bǔ)上，加上全缺失的智譜Z1、Kimi1.5、文心X1，（不帶Claude 4，封號(hào)斗羅，我恨他），再做一個(gè)，完整的滿血版的數(shù)學(xué)高考，讓大家最直觀的，感受一下這些模型的數(shù)學(xué)能力水平。

讓大家看看，滿分150分，每個(gè)模型到底多少分，哪個(gè)模型能拿高考數(shù)學(xué)狀元。

因?yàn)橐鼋獯痤}了，和選則填空不太一樣，所以我還是單獨(dú)定了一下規(guī)則，規(guī)則如下：

1. 數(shù)學(xué)大題往往都有兩到三個(gè)小問(wèn)，但是每個(gè)小問(wèn)具體的賦分都不太一樣，邀請(qǐng)了朋友（高中老師）來(lái)估摸一下每個(gè)小問(wèn)的分?jǐn)?shù)，如下，都取后者：

圖片

2. 高考大題往往會(huì)按照步驟給分，但是主要我也看不懂步驟（勿噴），所以這里我們不妨對(duì)大模型嚴(yán)格一點(diǎn)，按照結(jié)果是否正確來(lái)給分。

3. 每道題任然使用大模型跑3次，根據(jù)正確比例給分。

4. 依然所有的文本題，都使用LaTeX編輯器轉(zhuǎn)成LaTeX文本格式，再扔給大模型進(jìn)行回答。

圖片

5. 帶圖片的多模態(tài)題也加入測(cè)試，直接截圖進(jìn)行作答，沒(méi)有多模態(tài)或者推理時(shí)不能傳圖的模型，取其他所有多模態(tài)模型得分的平均分。

以上。

在幾個(gè)朋友@東毅、@倒放、@云舒、@絳燁幫我kuku跑了好久之后，我們終于得出了結(jié)論。

這的，又一次干到了凌晨4點(diǎn)。

圖片

不過(guò)，最終的得分和結(jié)論，非常出人意料，也出乎我的意外。

先看對(duì)錯(cuò)。

對(duì)的全部都是?，錯(cuò)的就是?，如果是有部分對(duì)，就是??，沒(méi)有多模態(tài)的，就寫沒(méi)有多模態(tài)。

圖片

我說(shuō)實(shí)話，這一片的綠，還是有點(diǎn)超出我的預(yù)期的，我本來(lái)以為，解答題會(huì)難住一堆大模型，沒(méi)想到，幾乎大部分都是對(duì)的，而單選題第6題，反而成了，所有大模型的噩夢(mèng)。

涉及到圖片的理解，對(duì)于廣大高考學(xué)生，輕輕松松做一條輔助線就可以解決，但是所有的多模態(tài)大模型，幾乎全軍覆沒(méi)，也就openai o3 在三次回答中，對(duì)了兩次。

圖片

DeepSeek-R1-0528的表現(xiàn)不如其他的推理模型可能是因?yàn)樗耐评硭季S鏈很長(zhǎng)很長(zhǎng)，而高考題并沒(méi)有那么復(fù)雜，所以導(dǎo)致，想著想著，就想歪了。。。

真的發(fā)現(xiàn)，有時(shí)候想的短一點(diǎn)，正確性可能會(huì)更高。

所有的答案，都在這了，我們是結(jié)結(jié)實(shí)實(shí)的，把每個(gè)大模型、每道題，跑了3次。。。

圖片

下次一定要抽空做個(gè)腳本，這事用人干是真的頂不住= =

那最后，終于，要公布我們的測(cè)試最終得分了。。。

圖片

這個(gè)排名，真的讓我有點(diǎn)意外。。。

這里我插一句，我對(duì)天發(fā)誓，這篇文章不是廣告，我也和科大訊飛還有豆包沒(méi)有任何利益關(guān)系，在測(cè)試過(guò)程中也沒(méi)有任何弄虛作假或者不遵守規(guī)則。

但是實(shí)實(shí)在在的，就是這么發(fā)生了。

在我的測(cè)試中，訊飛星火和豆包除了第6題錯(cuò)，以其他題目全勝的姿態(tài)，145分的超高分，并列奪得了第一名。

而Qwen3，解答題全對(duì)，但是在填空題時(shí)，因?yàn)閞oll錯(cuò)了1次對(duì)了2次，產(chǎn)生了失誤，丟了寶貴的1.7分，以143.3分，屈居第三。

Gemini2.5 pro，解答題拉了跨，139.7分，位列第四。

混元T1和文心x1，解答題失誤稍微多了一些，比Gemini 2.5 pro多錯(cuò)了一點(diǎn)點(diǎn)，差了2.7分，并列屈居第五。

很有意思，太有意思了。

我其實(shí)很久沒(méi)就沒(méi)有測(cè)試測(cè)的這么開心過(guò)了。

2023年，我第一次測(cè)AI高考數(shù)學(xué)題的時(shí)候，那時(shí)候大家只有嘲諷。

強(qiáng)如大模型，不識(shí)一二三四五。

短短兩年，對(duì)于高考來(lái)說(shuō)，幾乎都能輕松達(dá)到一個(gè)優(yōu)秀學(xué)生的地步。

AI啊，進(jìn)化還是太快了一點(diǎn)。

也許這就是我愛(ài)這份工作的原因吧。

它總能帶給我一些未知，一些驚喜，還有一年抵十年的回憶。

所以，這場(chǎng)AI高考，就到這里畫上句號(hào)吧。

天邊泛起肚白。

新的一天。

又到來(lái)了。