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。
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。
（图源：百度搜索截图）
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？
六款大模型PK，谁才是AI界的高考状元？
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。
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。
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：√6B：2C：√7D：2√2
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）
（图源：App截图）
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。
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。
第二题（6分）：
若cos 2A+cos 2B+2sin C=2，SΔABC=1/4，cos Acos Bsin C=1/4，则（正确答案：ACD）
A：sin C=sin²A+sin²BB：AC²+BC²=3C：AB=√2
D：sin A+sin B=(√6)/2
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。
（图源：App截图）
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。
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。
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）
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。
（图源：App截图）
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。
第四题（17分）：
设数列{an}满足a₁=3，（an+1）/n=（an/（n+1））+（1/（n（n+1）））
（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）
（2）设f（x）=a₁X+a₂X²+a₃X³+...+amX^m，求f′（-2）。（正确答案：f′（-2）=(7/9）-（（3m+7）/9）·（-2^m））
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。
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。
（图源：App截图）
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。
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。
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
四道题目测试下来，最终得分如下：
- DeepSeek：33分；
- 讯飞星火：33分；
- 豆包：30分；
- Kimi：33分；
- 文心一言：33分；
- 通义千问：23分。
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。
（图源：豆包AI生成）
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。
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。
AI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。
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。
本文来自“雷科技”，36氪经授权转载。
