讓AI做高考數學最難的解答題，這4家拿到滿分

昨天，我們讓國內的幾個大模型做了今年的高考數學題（全國一卷），大家都很想看看國內和國外的大模型同台競技，然後看看排行。

行，沒問題，今天就多搞點大模型來對比。

但是這次我們就不測簡單的題了，就專門測解答題，畢竟解答題是數學考試中最難的部分，也是分值最高的部分，同時也最考驗模型的數學能力。

本次參考的大模型考生有：DeepSeek-R1（問小白版）、豆包Seed1.5、Qwen3、混元T1、Kimi K1.5、智譜Z1、躍問Step-R1、訊飛星火X1、GPT o4-mini、Gemini 2.5 pro（0605）、Claude 4、Grok3，全部為推理模型。

缺考考生依舊為DeepSeek官方版（不能上傳圖片）和文心X1-Turbo（上傳圖片必須打開聯網功能）。

考試規則

考試規則基本還是昨天的規則，我也給大家放在下面，畢竟有很多朋友可能沒看過昨天的貼。

以下是考試規則：

1.本次測試直接用圖片輸入，不改變題目內容，也不做任何Prompt引導。

2.本次題型全部為解答題，而且選擇的是解道題的最後兩道，沒有什麼別的意思，單純是因為這兩道最難。

3.解答題第一題有兩個問，計40分（其中第二問中兩個小問各計10分），解答題第二題有三個問，計60分，這樣剛好是100分，答錯一個小問扣20分。

4.各模型每題只跑一次，畢竟現實中，每位考生也只有一次的作答機會。

5.將超時問題加入評判標準，如果模型陷入無限循環則計為0分。

6.所有模型都選擇推理模式，不開聯網，不允許寫代碼沙盒計算（相當於帶計算器）。

考試試題

本次考試共兩題，都是解答題，選自全國卷一。

1）解答題一

2）解答題二

考試結果

1）解答題一

標準答案：

問小白版DeepSeek-R1，依舊做題做到一半就歇菜了，我估計是Token被限制了。

豆包Seed1.5全對。

Qwen3錯了第二問的第二小問。

混元T1全對。

Kimi K1.5也是錯了第二問的第二小問。

智譜Z1全對。

躍問Step-R1也是錯了第二問的第二小問。

訊飛星火X1全對。

GPT o4-mini只答對了第一問，差點答對第二問的第一小問，只差一個正負號的差距。

Gemini 2.5pro全對。

Claude 4 sonnet只答對了第一問。

Grok3不僅思考時三個問題就全做錯了，回到答案時更是只回答了一個就停下了。

國內的，豆包Seed1.5、混元T1、智譜Z1、訊飛星火X1都是全對，國外只有Gemini全對。

國內還有三個同樣只錯了第二問的第二個小問的，要不是都算出來不一樣，我都要判他們抄襲了。

2）解答題二

標準答案：

問小白版DeepSeek-R1還是做題做到一半又歇菜了，這給每個問題的Token也分配的太少了吧。

豆包Seed1.5全對。

Qwen3錯了第三問。

混元T1全對。

Kimi K1.5又是做題做到一半就歇菜了，應該也是分配給每個問題的Token用完了。

智譜Z1錯了第二問。

躍問Step-R1錯了第二問和第三問。

訊飛星火X1全對。

GPT o4-mini全對。

Gemini 2.5 pro全對。

Claude 4 sonnet錯了第二問和第三問。

Grok3錯了第二問。

本題國內模型全對的有豆包Seed1.5、混元T1和訊飛星火X1，國外的GPT o4-mini和Gemini 2.5 pro也是全對，錯的就五花八門了，一二三問都有模型出錯。

最後統計下來，所有大模型的得分如下：

寫在最後

看來做數學題這一方面，豆包Seed1.5、混元T1、訊飛星火x1和Gemini 2.5 pro確實是個中好手，一題沒錯拿了滿分。

第二梯隊則是智譜Z1和GPT o4-mini，都按到了80分這個優異的成績。

第三梯隊則是Qwen3，至少是達到及格分以上了。

第四梯隊有Kimi K1.5、躍問Step-R1、Claude 4 sonnet和Grok 3，都沒及格。

至於0分的DeepSeek，我相信這肯定不是它的真實實力，但是沒辦法，答題停止是測試中真實發生的情況，我也改變不了。

總的來說，國內國外都有有優秀的數學能力的大模型，但還是能夠看出有些大模型的數學能力依然差了那麼一截。最後我想「抽水」的是，為什麼DeepSeek和Kimi給定的Token連一道題都跑不完啊。

我希望明年再來一輪測試，以目前AI發展的速度，我估計到時候所有大模型做高考數學題都是沒有難度的了。

最後的最後，我希望不要因為AI越來越牛使得我們失去創造力與學習能力，大家要永遠走在學習的道路上，要永遠保有一顆對未知事物的好奇心。