在2025年高考數(shù)學(xué)科目考試結(jié)束后，網(wǎng)絡(luò)上關(guān)于試卷難度的討論熱度不減。作為科技領(lǐng)域的觀察者，我們不禁好奇，對(duì)于當(dāng)前備受矚目的AI技術(shù)而言，這份數(shù)學(xué)試卷是否同樣具有挑戰(zhàn)性？為了回答這個(gè)問題，我們組織了一場(chǎng)特別的“考試”，邀請(qǐng)了多家知名的大模型參與，模擬完成了一套高考數(shù)學(xué)試卷。
本次“考試”中，我們挑選了以下幾家具有代表性的大模型作為“考生”：DeepSeek R1 0528、通義千問 Qwen3-235B-A22B、訊飛星火 X1-0420、豆包 Seed-Thinking-v1.5、文心 X1 Turbo、騰訊混元 Hunyuan T1 latest和GPT o3。由于網(wǎng)絡(luò)流傳的試題版本不一，我們通過多版本交叉驗(yàn)證和教師解題驗(yàn)證的方式，確保評(píng)測(cè)的準(zhǔn)確性，試卷總分為150分。
我們特別邀請(qǐng)了一位擁有十年高中數(shù)學(xué)教研經(jīng)驗(yàn)的專家汪鵬老師，對(duì)大模型的答案進(jìn)行評(píng)分。考慮到部分模型在OCR識(shí)別方面的限制，我們采用了OCR轉(zhuǎn)寫后輸入答題的方式進(jìn)行處理。
接下來，讓我們通過幾道典型題目，看看這些大模型的表現(xiàn)如何。
首先是選擇題第一題，各家大模型均給出了正確答案，顯示出它們?cè)诨A(chǔ)題目上的穩(wěn)定表現(xiàn)。
選擇題第五題是一道涉及函數(shù)的題目，所有大模型再次全部答對(duì)，進(jìn)一步證明了它們?cè)趶?fù)雜題目上的解題能力。
然而，在選擇題第八題中，豆包大模型和DeepSeek出現(xiàn)了錯(cuò)誤，而其他模型均給出了正確答案。這道題目涉及對(duì)數(shù)函數(shù)，顯示出部分模型在處理特定數(shù)學(xué)知識(shí)點(diǎn)時(shí)的局限性。
在解答題方面，我們以第16題為例，這是一道涉及數(shù)列和函數(shù)的題目。DeepSeek、通義千問、訊飛星火和豆包大模型均給出了正確的解題過程和答案，而文心X1和騰訊混元?jiǎng)t出現(xiàn)了不同程度的錯(cuò)誤。
最后，我們來看難度更高的第18題。訊飛星火、豆包大模型、DeepSeek、通義千問和GPT o3均獲得了滿分，而文心X1則因答案錯(cuò)誤而失分。
經(jīng)過綜合評(píng)分，DeepSeek以143分的成績(jī)位列榜首，訊飛星火以141分緊隨其后，GPT o3以138分獲得第三名。這次“考試”不僅展示了AI在數(shù)學(xué)領(lǐng)域的強(qiáng)大能力，也暴露了部分模型在實(shí)際應(yīng)用中的短板。
DeepSeek作為最新版本的大模型，在思考推理和數(shù)學(xué)能力方面表現(xiàn)出色，但OCR識(shí)別效果不佳，且推理速度慢、資源消耗高。訊飛星火則憑借其較小的模型量級(jí)和高效的數(shù)學(xué)能力，在評(píng)測(cè)中取得了優(yōu)異成績(jī)，顯示出其在教育領(lǐng)域的深厚積累。
豆包和通義千問等大模型也表現(xiàn)出色，與國(guó)際頂尖模型水平相當(dāng)。這次“考試”不僅是對(duì)AI數(shù)學(xué)能力的一次檢驗(yàn)，更是對(duì)未來AI在教育領(lǐng)域深度應(yīng)用的一次探索。
