機(jī)器之心報(bào)道

編輯：楊文、+0

AI挑戰(zhàn)全套高考數(shù)學(xué)題來了!

話接上回。高考數(shù)學(xué)一結(jié)束，我們連夜使用六款大模型產(chǎn)品，按照一般用戶截圖提問的方式，挑戰(zhàn)了 14 道最新高考客觀題，不過有網(wǎng)友質(zhì)疑測(cè)評(píng)過程不夠嚴(yán)謹(jǐn)，所以這次我們加上解答題，重新測(cè)一遍。

本次參加挑戰(zhàn)的選手分別是：Doubao-1.5-thinking-vision-pro、DeepSeek R1、Qwen3-235b、hunyuan-t1-latest、文心 X1 Turbo、o3，并且新增網(wǎng)友們非常期待的 Gemini 2.5 pro。上一次我們使用網(wǎng)頁端測(cè)試，這次除 o3 外，其他模型全部調(diào)用 API。

在考題選擇上，我們?nèi)匀徊捎?2025 年數(shù)學(xué)新課標(biāo) Ⅰ 卷，包含 14 道客觀題，總計(jì) 73 分；5 道解答題，總計(jì) 77 分。其中第 6 題由于涉及到圖片，我們就單獨(dú)摘出來，后面通過上傳題目截圖的形式針對(duì)多模態(tài)大模型進(jìn)行評(píng)測(cè)。其他文本題目全部轉(zhuǎn)成 latex 格式，分別投喂給大模型，還是老規(guī)矩，不做 System Prompt 引導(dǎo)，不開啟聯(lián)網(wǎng)搜索，直接輸出結(jié)果。

（注：第 17 題雖然也涉及到圖片，但文字表述足夠清晰，不影響答題，因此也以 latex 格式測(cè)評(píng)。）

客觀題計(jì)分方法按照以往高考判分原則：

• 單選題每道 5 分，選項(xiàng)正確計(jì)分，錯(cuò)誤不得分；
• 多選題每道 6 分，全對(duì)計(jì) 6 分，漏選按正確答案數(shù)量計(jì)分，如答案為 ABCD，漏選其一扣 1.5 分，錯(cuò)選不得分；
• 填空題每道 5 分，填空正確計(jì)分，錯(cuò)誤不得分。

至于解答題，由于現(xiàn)在還未出具體的評(píng)分細(xì)則，所以我們請(qǐng)數(shù)學(xué)專業(yè)的朋友進(jìn)行評(píng)判，主要還是看大模型的最終答案以及解題步驟中是否有嚴(yán)重失誤點(diǎn)。

7 家大模型考試成績?nèi)缦聢D所示。

從客觀題來看，各家大模型幾乎拉不開差距，最大分差也只有 3 分，第 6 題圖像題更是讓這幾家多模態(tài)大模型「全軍覆沒」。在上一次測(cè)評(píng)中，o3 客觀題成績墊底，但有網(wǎng)友表示，這可能是由于某些原因?qū)е潞笈_(tái)自動(dòng)切換成其他模型，而這一次我們選用的是未「降智」的 o3，選擇題和填空題成績?nèi)允桥旁谧詈螅?dāng)然，65 分的成績相比「降智」版確實(shí)有很大提升。

解答題是大模型失分的「重災(zāi)區(qū)」。除了 Gemini 2.5 Pro 拿到全部的分?jǐn)?shù)外，其它模型或多或少均有失分。其中 DeepSeek R1 和 Doubao 最可惜，只丟了一分；o3 則失了 2 分，最終得到 75 分。相較而言，hunyuan-t1-latest 和文心 X1 Turbo 發(fā)揮不佳，分別拿到 68 分和 66 分。

從總分上來看，Gemini 2.5 Pro 考了 145 分，位列第一，Doubao 和 DeepSeek R1 以 144 分緊隨其后，并列第二；o3 和 Qwen3 也僅有一分之差，分別排在第三和第四。受解答題的「拖累」，hunyuan-t1-latest 和文心 X1 Turbo 的總成績排到了最后兩名。

（查看各大模型的測(cè)評(píng)截圖以及解答題答題情況，請(qǐng)移步：https://jiqizhixin.feishu.cn/docx/PR0PdzYaWoU92QxiJQqc2oe7n2g）

解答題：大模型失分「重災(zāi)區(qū)」

我們先來看看解答題的情況。

第 15 題和第 17 題，一道考查概率問題，一道涉及立體幾何知識(shí)，7 家大模型均拿到滿分。

第 16 題是一道數(shù)列綜合題，滿分 15 分，只要證明完整、計(jì)算過程完整、結(jié)果正確就能拿到全部的分?jǐn)?shù)。大模型整體表現(xiàn)不錯(cuò)，只有 Qwen3 解答正確，但最終答案里面增加了多余的假設(shè)求值，扣了一分。

第 18 題這道橢圓方程與幾何就難倒了不少大模型，僅 Doubao、DeepSeek R1 和 Gemini2.5 Pro 拿到滿分 17 分，其他模型各有各的扣分點(diǎn)。Qwen3 前面回答得都不錯(cuò)，過程也很完整，但偏偏最后一小問｜PQ｜最大值取約等于 9 的步驟多余，導(dǎo)致結(jié)果偏差，扣了一分。

o3 則是第（3）問答案沒化簡丟了一分。

文心 X1 在第 2 問 (2) 正確算出 P 點(diǎn)軌跡，但未證明極值，直接按最遠(yuǎn)點(diǎn)計(jì)算造成結(jié)果錯(cuò)誤，扣 6 分。

hunyuan-t1-latest 前兩問中回答正確，到了第 3 問完成 P 點(diǎn)軌跡之后就全錯(cuò)了，一下子丟了 5 分。

對(duì)于最后一道壓軸題，Gemini2.5 pro 是唯一全對(duì)的大模型。Doubao 只說明了震蕩項(xiàng)的振幅大于 0，但是也有可能震蕩項(xiàng)的相位是反的，那樣的話最大值反而有可能更小，證明過程不夠嚴(yán)謹(jǐn)，扣一分。

DeepSeek R1 在第（3）問中分情況討論，得出了兩類解，但對(duì)第一類解未做后續(xù)說明，扣了一分。

o3 第（2）問思路正確，但因?yàn)殚_閉區(qū)間差別，「完全重合」說法錯(cuò)誤，扣 1 分。

hunyuan-t1-latest 在第（2）問上思路可行但證明過程模糊，扣 2 分，到了第（3）問沒有判斷 phi 取值，又扣了 2 分。

文心 X1 和 Qwen3 也都是在第 2 問和第 3 問上失了分，第 2 問證明模糊扣 2 分，第 3 問則是未具體說明 phi 值扣 2 分，而且文心 X1 比大小還發(fā)生錯(cuò)誤，又扣了 1 分。

客觀題：一道圖像題難倒幾家多模態(tài)大模型

在不考慮識(shí)圖題（第6題）的情況下，客觀題大模型總體表現(xiàn)都不錯(cuò)，Doubao、Qwen3、Gemini 2.5 pro、DeepSeek R1 、文心 X1 Turbo 和 hunyuan-t1-latest 均取得了 68 分的高分，只有 o3 在多選題上少選了一項(xiàng)丟了分。

其中，o3 在第 9 題計(jì)算過程中，忽視了「正三棱柱」這一關(guān)鍵條件。它在建立坐標(biāo)系時(shí)，分別用 (x?, y?, 0) 表示 A 點(diǎn)坐標(biāo)，用 (c, 0, 0) 表示 C 點(diǎn)坐標(biāo)，但沒有考慮到：正三棱柱的底面是正三角形，這意味著正三角形的邊長 c 與 x?、y?之間存在關(guān)系：c=2x?=2y?/√3。導(dǎo)致對(duì) B 選項(xiàng)的判斷出現(xiàn)錯(cuò)誤。

接下來看看這道圖片題。

遺憾的是，此次測(cè)評(píng)的多模態(tài)大模型都在這道識(shí)圖題上表現(xiàn)不佳。雖然 hunyuan-t1-latest 不是多模態(tài)，但我們又測(cè)試了 hunyuan-t1-vision ，也在這道題上敗下陣來。

相比之下，Doubao 和 o3 至少正確識(shí)別了坐標(biāo)位置，只是誤判了視風(fēng)風(fēng)速方向，而 Gemini 連基本坐標(biāo)都未能正確識(shí)別。

總的來說，這次測(cè)評(píng)結(jié)果顯示，大模型在數(shù)學(xué)推理能力上有不小的進(jìn)步，但仍有較大的提升空間。比如不少模型在解答題上丟分，這反映出大模型在復(fù)雜推理、嚴(yán)謹(jǐn)論證和多步驟計(jì)算方面還需加強(qiáng)。

此外，所有參測(cè)的多模態(tài)大模型在第 6 題的圖像識(shí)別上都出現(xiàn)了問題，這也暴露出當(dāng)前 AI 在圖文結(jié)合理解方面的短板。

最后，緊張的高考已經(jīng)結(jié)束，祝福所有考生都能取得理想的成績，有著燦爛的未來！