大模型PK高考数学：DeepSeek文心豆包皆满分，差生意外

snowing303

' V7 R" ^% [1 w% b6 ~

为了防止高考生使用AI作弊，今年高考期间，腾讯混元、通义千问、Kimi、豆包等国内知名AI大模型的图片识别问答功能均暂停服务。对于这些企业的做法，小雷却有一些质疑，之前小雷测试AI大模型做高考题，大多表现不佳，暂停图片识别问答服务似乎过于高看自家AI大模型的能力。
; P: F  I6 n# @' F$ ^; B

/ x9 h# w) K1 ^5 D+ J' p, u到截稿时，2025年高考全国一卷仅有语文、英语和数学三套试卷公布，其中语文高考题目曝光后，已有多家媒体实测AI大模型撰写作文。不过作文写得如何，每个人的观点可能不同，小雷看到的几篇评测基本是截取AI大模型撰写的文章，没有给出点评，文章质量需要读者评判。

2 i" s8 w) s0 Q! z3 _3 d5 R  M

（图源：百度搜索截图）

* V9 ]8 M2 w0 I3 J9 ?( C

  d3 Z) C- q5 s6 y  x% I  G# E慎重起见，小雷选择了有标准答案的数学科目，测试AI大模型的能力，所选的AI大模型分别为DeepSeek、豆包、讯飞星火、文心一言、Kimi、通义千问，它们能考上985、211吗？
" I8 E- M( S6 J! n

六款大模型PK，谁才是AI界的高考状元？

) }& K$ _9 V  E* ~
7 s3 M) y  R' }7 Y( G8 ^4 ^% o首先说一下测试环境和题目，考虑到部分AI大模型不支持手动开关联网模式，因而所有AI大模型启用联网搜索，深度思考功能也全部打开。


! x/ M! G$ l! r/ k% _" \9 o8 S8 S所选的数学题，包含一道单选题、一道多选题、一道填空题、一道简答题，最终会按照题目的分数进行打分。
/ e5 Y2 c4 }2 x
' E3 J2 [7 r( e7 E/ P$ h  V! Z
: c! i; e) }% e- k第一题（5分）：

若双曲线C虚轴长是实轴长的√7倍，则C离心率为（正确答案：D）
A：√6   B：2   C：√7   D：2√2

+ N  c: w, v' s$ }% R% I* M) a
第一道题属于开胃小菜，难度不算大，参与测试的六款AI大模型也没有令小雷失望，全部计算出了正确答案，而且给出了详细推理过程。本题测试中，所有AI大模型均获得满分5分。（图片从左往右以此为：DeepSeek、讯飞星火、豆包、Kimi、文心一言、通义千问，下图同）
3 v# X( c8 k3 y% N" o
. b4 H. i: {0 r3 E, ^0 d, d) |! K

6 f# v) g* z5 t6 @. l& h/ W

（图源：App截图）

) n# ^0 |5 {; A9 H6 F9 O尽管这道题难度不算高，但这六款AI大模型的表现令小雷眼前一亮。此前测试AI大模型的数学计算能力时，面对稍微复杂一些的问题，AI大模型很难计算出正确答案。

  |  c" ?2 d* L+ T
仅一轮测试，DeepSeek、讯飞星火、豆包、文心一言、Kimi、通义千问六款AI大模型就证明了它们的能力，存在被高考生用于的作弊的可能性，暂停图片识别问答功能绝非为了蹭高考的热度。
3 }  O/ |8 Z% l2 x3 L2 B0 V7 a$ z

第二题（6分）：
3 e5 E. c% O9 g8 Y7 t: ]

若cos 2A+cos 2B+2sin C=2，SΔABC=1/4，cos Acos Bsin C=1/4，则（正确答案：ACD）
  |$ J! {& C3 M7 s
( Y0 a  e2 [9 ?5 R
' l4 {: W! ^3 S/ kA：sin C=sin?A+sin?B   B：AC?+BC?=3   C：AB=√2   
D：sin A+sin B=(√6)/2

$ _% T( J! g! m9 W& ~  U& `( N
这道题难度相当高，仅有豆包在两分钟内计算出正确答案，讯飞星火和通义千问耗时略长一些，其他几款AI大模型用时更长，尤其是DeepSeek，耗时足足572秒，接近10分钟。
6 A- z% p( {& ?
  c: C: P' d: s! x! J9 R& ~7 G
# X$ }1 {( R( Y3 I5 O+ p. F- f) Q

（图源：App截图）
1 y& F* p- u+ Y) _- ?

% F" D6 Q7 v1 U5 ]
# G" S/ P1 G" U+ P& P8 i. c7 r
( ?6 v( N% w1 T' m$ l( G若是AI大模型像考生一样每次只做一道题，推理较慢的三款AI大模型，存在两小时时间做不完题的可能性。
- l4 M0 O5 _: ?, M

尽管本轮测试中所有AI大模型均正确回答出了问题，但结合推理所需时长来看，豆包、讯飞星火、通义千问表现较好。
0 h6 s8 ^. Y& ?
) j, b5 B! ^3 i( K, H) V* e( J" s* }
第三题（5分）：

若一个等比数列的前4项和为4，前8项和为68，则该等比数列的公比为（正确答案：±2）

! ^9 S5 s9 B4 z' m1 B+ M. S
与上一题相比，这一题的难度有所下降，讯飞星火、文心一言、Kimi、通义千问、DeepSeek五款大模型均迅速计算出了正确答案，文心一言几乎是秒算。豆包虽计算出了正确答案，但在输出答案时却犯了迷糊，排除了-2。因此，小雷不得不扣掉豆包的三分，该题豆包只能得2分。
0 n% Q, c- s2 E- [* ~+ t& Z: ]) Y
. @0 K. L( S" i- D  ^7 e* j2 L
2 D' \) Y7 J: h8 ?& J) U

（图源：App截图）

% k/ p# t% l, c0 C$ L

5 k9 I8 g( P. Y/ I在本轮测试中，DeepSeek服务器繁忙的问题频繁发生，小雷不得不借助第三方应用。好在，现阶段许多AI应用已接入DeepSeek，小雷使用的腾讯元宝App，无论是推理速度，还是稳定性，都远高于DeepSeek网页版或App。
& {$ Q$ ?1 u" P) R5 n4 C

第四题（17分）：

设数列{an}满足a?=3，（an+1）/n=（an/（n+1））+（1/（n（n+1）））
; L' `9 H, M% \) M8 m3 K( y) h（1）证明：{n an}是等差数列；（正确答案：n an是an=3，公差为1的等差数列）
* [$ d  M' G' F! h（2）设f（x）=a?X+a?X?+a?X?+...+amX^m，求f′（-2）。（正确答案：f′（-2）=(7/9）-（（3m+7）/9）·（-2^m））

7 a+ c* M" `7 q0 b
前三道题，几款AI应用仅在体验上存在一定的差异，能力基本没有表现出区别，第四道题不同，它的复杂度远超前面三道题，也是检验AI大模型能力最重要的一项挑战。
" t9 Z6 c' L9 U3 R$ f( ]' Z& P
% D6 n$ V0 X( C3 ]- F9 R9 C
  }) o  E) {1 }7 s5 S7 ?在本轮测试中，豆包、讯飞星火、Kimi、文心一言、DeepSeek依然表现出色，正确计算出了两道题的答案。通义千问解答这道题时，能够推理出第一道小题的答案，但第二道小题却给出了错误答案，表现稍逊一筹。
4 a4 F: P* l  Y1 w' x4 ^
! l/ Y2 u4 ~3 Z& b0 v( l+ O& w! h

5 J$ E' }, l* ]4 q

（图源：App截图）

) X& F4 N; g/ f+ q! N8 V; B豆包、讯飞星火、文心一言、Kimi、DeepSeek可以在本轮测试中拿到满分17分，通义千问因答错了第二道小题，只能获得7分。
6 B# {/ y+ d  [0 @4 ]* U

依靠公式和逻辑推理的数学题，似乎更符合AI的特性，但往年的评测中，AI大模型通常做阅读理解和写作文效果较好，面对复杂的数学题找不到答题方法。
6 Z" Y7 Z0 O4 f/ e. Q+ }
7 U, U% \# V8 ^! U; p
' j7 m" ?1 o  P. i4 o+ r光明网在去年6月的报道中提到，复旦大学NLP实验结果显示，AI大模型在做2024年高考题时，在语文领域的表现远强于数学，部分数学题AI大模型甚至全军覆没，没有一个能够正确计算出答案，遇到多选题时也是错误频出。究其原因，数学失之毫厘差之千里，不能出一丁点错误，文史类内容则可以允许出现部分错误和较为模糊的答案。


一年时间过去，AI大模型进步神速，深度思考模式的加入、针对数学题的专项优化，令AI大模型在处理高考数学题时更加游刃有余。


比学霸更牛，但大模型做题能力已拉开差距

9 \! P, r: w( X! w


四道题目测试下来，最终得分如下：
% a0 J- O& p& _1 ?, `' b
! V5 J3 ]! W0 a4 m% E: n

• DeepSeek：33分；
  
• 讯飞星火：33分；
  
• 豆包：30分；
  
• Kimi：33分；
  ( B9 ]2 K3 w8 k7 N/ C9 a9 f) H
• 文心一言：33分；
  0 [% F! r6 _7 h% g/ L+ L
• 通义千问：23分。
  6 a) _( t+ H' {& F; H

/ o& C  H1 V7 W( m
经过测试，DeepSeek、讯飞星火、Kimi、文心一言均获得满分，豆包表现不错，因一时疏忽，遗憾丢了三分，痛失高考状元。通义千问计算较为简单的问题时，都保持了极高的水准，但处理较难的问题时出现了计算错误，需要再接再厉。


" j' z: R# z( E* E

8 `4 C! [( ^- g' ^$ ^, P9 k7 u

（图源：豆包AI生成）

! k  q5 P* ^7 c' l6 S. S# r
总是向AI行业泼冷水的苹果，日前在论文中表示，AI推理模型只是「假思考」，根本没有稳定、可理解的推理过程，更像是记忆，处理复杂任务时可能会崩溃。AI研究者Lisan al Gaib复刻苹果测试方法后表示，模型不是因为推理能力差失败，而是因为苹果限制了输出token。

; Q1 T" q2 n) b9 h0 I
或许AI大模型推理能力仍存在上限，但我们看得到它们的进步。去年复旦大学NLP实验室测试AI大模型时，它们面对高考数学题表现糟糕，小雷在几次AI大模型横评测试中，也得到了类似的结果。今年的测试中，AI大模型基本都能计算出问题的正确答案，曾经难住AI大模型的多选题，也未能再对AI大模型造成困扰。
) ~0 [8 |8 |5 }  K6 Q! c7 |% P7 |) B
. }9 b& b5 i. ]8 K8 K1 p5 H; e' ~+ B- J
5 G, t% C' D9 D7 \9 GAI大模型数学题解答能力提升，最大受惠者可能是学生群体。国内学习机厂商和教育辅导平台，已陆续加入AI答题能力，但许多设备的AI大模型仅能解答中小学问题，例如行业翘楚小猿搜题，题目库不包含大学课程。

4 o9 g' e% L# e% z& M5 f  k
这六款AI大模型的优秀表现，证明了国内头部AI企业的实力，高考数学题已被征服，高等数学也不会远了。学习机厂商、教辅平台可以与头部AI企业合作，增强产品AI答题的能力，继续强化AI教育硬件业务。

2 t1 [4 x3 ^( _" e

夏日丽六月，金榜题名时。
$ i* }7 l+ |& f% z5 I
  V5 U2 R/ T* e  V- q
5 ?9 S$ l+ A- o又是一年高考季，雷科技「高考毕业季」专题上线，满足学生粉丝的信息需求，涵盖搜索、AI等工具推荐，和手机、PC等选购攻略。
1 L- a- L; d% M5 \3 u4 a
" X; `- P# T$ @# R5 H2 ?) {
敬请关注！

& m9 S8 i: J: A$ ]+ `1 m
/ }6 N2 `$ a$ j: K. W. ~4 j『本文转载自网络,版权归原作者所有,如有侵权请联系删除』