AI挑戰全套高考數學題來了!

高考數學一結束,我們連夜使用六款大模型產品,按照一般用戶截圖提問的方式,挑戰了 14 道最新高考客觀題,不過有網友質疑測評過程不夠嚴謹,所以這次我們加上解答題,重新測一遍。

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

在考題選擇上,我們仍然采用 2025 年數學新課標 Ⅰ 卷,包含 14 道客觀題,總計 73 分;5 道解答題,總計 77 分。其中第 6 題由于涉及到圖片,我們就單獨摘出來,后面通過上傳題目截圖的形式針對多模態大模型進行評測。其他文本題目全部轉成 latex 格式,分別投喂給大模型,還是老規矩,不做 System Prompt 引導,不開啟聯網搜索,直接輸出結果。

(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 格式測評。)

客觀題計分方法按照以往高考判分原則:

單選題每道 5 分,選項正確計分,錯誤不得分;

多選題每道 6 分,全對計 6 分,漏選按正確答案數量計分,如答案為 ABCD,漏選其一扣 1.5 分,錯選不得分;

填空題每道 5 分,填空正確計分,錯誤不得分。

至于解答題,由于現在還未出具體的評分細則,所以我們請數學專業的朋友進行評判,主要還是看大模型的最終答案以及解題步驟中是否有嚴重失誤點。

7 家大模型考試成績如下圖所示。

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大模型「全軍覆沒」。在上一次測評中,o3 客觀題成績墊底,但有網友表示,這可能是由于某些原因導致后臺自動切換成其他模型,而這一次我們選用的是未「降智」的 o3,選擇題和填空題成績仍是排在最后,當然,65 分的成績相比「降智」版確實有很大提升。

解答題是大模型失分的「重災區」。除了 Gemini 2.5 Pro 拿到全部的分數外,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。

解答題:大模型失分「重災區」

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,7 家大模型均拿到滿分。

第 16 題是一道數列綜合題,滿分 15 分,只要證明完整、計算過程完整、結果正確就能拿到全部的分數。大模型整體表現不錯,只有 Qwen3 解答正確,但最終答案里面增加了多余的假設求值,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。Qwen3 前面回答得都不錯,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,導致結果偏差,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 點軌跡,但未證明極值,直接按最遠點計算造成結果錯誤,扣 6 分。

hunyuan-t1-latest 前兩問中回答正確,到了第 3 問完成 P 點軌跡之后就全錯了,一下子丟了 5 分。

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

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

o3 第(2)問思路正確,但因為開閉區間差別,「完全重合」說法錯誤,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 比大小還發生錯誤,又扣了 1 分。

客觀題:一道圖像題難倒幾家多模態大模型

在不考慮識圖題(第6題)的情況下,客觀題大模型總體表現都不錯,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丟了分。

其中,o3 在第 9 題計算過程中,忽視了「正三棱柱」這一關鍵條件。它在建立坐標系時,分別用 (x?, y?, 0) 表示 A 點坐標,用 (c, 0, 0) 表示 C 點坐標,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?之間存在關系:c=2x?=2y?/√3。導致對 B 選項的判斷出現錯誤。

接下來看看這道圖片題。

遺憾的是,此次測評的多模態大模型都在這道識圖題上表現不佳。雖然 hunyuan-t1-latest 不是多模態,但我們又測試了 hunyuan-t1-vision ,也在這道題上敗下陣來。

相比之下,Doubao 和 o3 至少正確識別了坐標位置,只是誤判了視風風速方向,而 Gemini 連基本坐標都未能正確識別。

總的來說,這次測評結果顯示,大模型在數學推理能力上有不小的進步,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雜推理、嚴謹論證和多步驟計算方面還需加強。

此外,所有參測的多模態大模型在第 6 題的圖像識別上都出現了問題,這也暴露出當前 AI 在圖文結合理解方面的短板。

最后,緊張的高考已經結束,祝福所有考生都能取得理想的成績,有著燦爛的未來!