近日，一場別開生面的高考數學模擬測試吸引了廣泛關注。此次測試并非由傳統考生參與，而是六大人工智能模型——字節的豆包、騰訊的元寶、阿里的通義、百度的文心X1Turbo、深度求索的DeepSeek以及OpenAI的o3，共同挑戰2025年新課標Ⅰ卷的14道客觀題。
測試環境嚴格，所有模型在無系統提示和聯網搜索的條件下獨立作答，且每個模型只有一次答題機會。測試題目總分73分，包括單選題、多選題和填空題，全面考察了模型的數學推理能力。
測試結果顯示，豆包和元寶以并列第一的68分成績脫穎而出，展現了卓越的數學解題實力。相比之下，DeepSeek和通義分別以63分和62分緊隨其后，但稍顯不足。而文心X1Turbo和o3的表現則令人遺憾，尤其是o3，僅得34分，顯示出對高考數學題目的適應性有待提高。
深入分析各模型的答題情況，豆包、通義和元寶在單選題上表現優異，均獲得了35分。DeepSeek因兩道題失誤而失分，最終得30分；而o3在單選題上更是表現不佳，僅得20分，錯誤率高達50%。然而，在多選題方面，豆包、DeepSeek和元寶均展現出了強大的穩定性，三道題全部答對。
值得注意的是，盡管通義在答題速度上表現出色，但在多選題的關鍵時刻出現了判斷失誤，導致得分不理想。此次測試不僅揭示了各模型在數學解題上的潛力和短板，也反映出它們在邏輯推理和細節處理方面的進步與不足。
與去年相比，這些人工智能模型在數學能力上有了顯著提升，特別是在公式應用和邏輯推理方面。盡管仍存在一定的錯誤和缺陷，但此次測試無疑為AI在高考數學領域的應用和發展奠定了堅實基礎。
