為了防止高考生使用 AI 作弊，今年高考期間，騰訊混元、通義千問、Kimi、豆包等國內知名 AI 大模型的圖片識別問答功能均暫停服務。對于這些企業的做法，小雷卻有一些質疑，之前小雷測試 AI 大模型做高考題，大多表現不佳，暫停圖片識別問答服務似乎過于高看自家 AI 大模型的能力。
到截稿時，2025 年高考全國一卷僅有語文、英語和數學三套試卷公布，其中語文高考題目曝光后，已有多家媒體實測 AI 大模型撰寫作文。不過作文寫得如何，每個人的觀點可能不同，小雷看到的幾篇評測基本是截取 AI 大模型撰寫的文章，沒有給出點評，文章質量需要讀者評判。
慎重起見，小雷選擇了有標準答案的數學科目，測試 AI 大模型的能力，所選的 AI 大模型分別為 DeepSeek、豆包、訊飛星火、文心一言、Kimi、通義千問，它們能考上 985、211 嗎？
首先說一下測試環境和題目，考慮到部分 AI 大模型不支持手動開關聯網模式，因而所有 AI 大模型啟用聯網搜索，深度思考功能也全部打開。
所選的數學題，包含一道單選題、一道多選題、一道填空題、一道簡答題，最終會按照題目的分數進行打分。
第一題（5 分）：
若雙曲線 C 虛軸長是實軸長的 √7 倍，則 C 離心率為（正確答案：D）
A：√6 B：2 C：√7 D：2√2
第一道題屬于開胃小菜，難度不算大，參與測試的六款 AI 大模型也沒有令小雷失望，全部計算出了正確答案，而且給出了詳細推理過程。本題測試中，所有 AI 大模型均獲得滿分 5 分。（圖片從左往右以此為：DeepSeek、訊飛星火、豆包、Kimi、文心一言、通義千問，下圖同）
盡管這道題難度不算高，但這六款 AI 大模型的表現令小雷眼前一亮。此前測試 AI 大模型的數學計算能力時，面對稍微復雜一些的問題，AI 大模型很難計算出正確答案。
僅一輪測試，DeepSeek、訊飛星火、豆包、文心一言、Kimi、通義千問六款 AI 大模型就證明了它們的能力，存在被高考生用于的作弊的可能性，暫停圖片識別問答功能絕非為了蹭高考的熱度。
第二題（6 分）：
若 cos 2A+cos 2B+2sin C=2，SΔABC=1/4，cos Acos Bsin C=1/4，則（正確答案：ACD）
A：sin C=sin²A+sin²B B：AC²+BC²=3 C：AB=√2
D：sin A+sin B= ( √6 ) /2
這道題難度相當高，僅有豆包在兩分鐘內計算出正確答案，訊飛星火和通義千問耗時略長一些，其他幾款 AI 大模型用時更長，尤其是 DeepSeek，耗時足足 572 秒，接近 10 分鐘。
若是 AI 大模型像考生一樣每次只做一道題，推理較慢的三款 AI 大模型，存在兩小時時間做不完題的可能性。
盡管本輪測試中所有 AI 大模型均正確回答出了問題，但結合推理所需時長來看，豆包、訊飛星火、通義千問表現較好。
第三題（5 分）：
若一個等比數列的前 4 項和為 4，前 8 項和為 68，則該等比數列的公比為（正確答案：±2）
與上一題相比，這一題的難度有所下降，訊飛星火、文心一言、Kimi、通義千問、DeepSeek 五款大模型均迅速計算出了正確答案，文心一言幾乎是秒算。豆包雖計算出了正確答案，但在輸出答案時卻犯了迷糊，排除了 -2。因此，小雷不得不扣掉豆包的三分，該題豆包只能得 2 分。
第四題（17 分）：
設數列 {an} 滿足 a =3，（an+1）/n=（an/（n+1））+（1/（n（n+1）））
（1）證明：{n an} 是等差數列；（正確答案：n an 是 an=3，公差為 1 的等差數列）
（2）設 f（x）=a X+a X²+a X³+...+amX^m，求 f′（-2）。（正確答案：f′（-2）= ( 7/9）-（（3m+7）/9）·（-2^m））
前三道題，幾款 AI 應用僅在體驗上存在一定的差異，能力基本沒有表現出區別，第四道題不同，它的復雜度遠超前面三道題，也是檢驗 AI 大模型能力最重要的一項挑戰。
在本輪測試中，豆包、訊飛星火、Kimi、文心一言、DeepSeek 依然表現出色，正確計算出了兩道題的答案。通義千問解答這道題時，能夠推理出第一道小題的答案，但第二道小題卻給出了錯誤答案，表現稍遜一籌。
依靠公式和邏輯推理的數學題，似乎更符合 AI 的特性，但往年的評測中，AI 大模型通常做閱讀理解和寫作文效果較好，面對復雜的數學題找不到答題方法。
光明網在去年 6 月的報道中提到，復旦大學 NLP 實驗結果顯示，AI 大模型在做 2024 年高考題時，在語文領域的表現遠強于數學，部分數學題 AI 大模型甚至全軍覆沒，沒有一個能夠正確計算出答案，遇到多選題時也是錯誤頻出。究其原因，數學失之毫厘差之千里，不能出一丁點錯誤，文史類內容則可以允許出現部分錯誤和較為模糊的答案。
一年時間過去，AI 大模型進步神速，深度思考模式的加入、針對數學題的專項優化，令 AI 大模型在處理高考數學題時更加游刃有余。
四道題目測試下來，最終得分如下：
DeepSeek：33 分；
訊飛星火：33 分；
豆包：30 分；
Kimi：33 分；
文心一言：33 分；
通義千問：23 分。
經過測試，DeepSeek、訊飛星火、Kimi、文心一言均獲得滿分，豆包表現不錯，因一時疏忽，遺憾丟了三分，痛失高考狀元。通義千問計算較為簡單的問題時，都保持了極高的水準，但處理較難的問題時出現了計算錯誤，需要再接再厲。
總是向 AI 行業潑冷水的蘋果，日前在論文中表示，AI 推理模型只是「假思考」，根本沒有穩定、可理解的推理過程，更像是記憶，處理復雜任務時可能會崩潰。AI 研究者 Lisan al Gaib 復刻蘋果測試方法后表示，模型不是因為推理能力差失敗，而是因為蘋果限制了輸出 token。
或許 AI 大模型推理能力仍存在上限，但我們看得到它們的進步。去年復旦大學 NLP 實驗室測試 AI 大模型時，它們面對高考數學題表現糟糕，小雷在幾次 AI 大模型橫評測試中，也得到了類似的結果。今年的測試中，AI 大模型基本都能計算出問題的正確答案，曾經難住 AI 大模型的多選題，也未能再對 AI 大模型造成困擾。
AI 大模型數學題解答能力提升，最大受惠者可能是學生群體。國內學習機廠商和教育輔導平臺，已陸續加入 AI 答題能力，但許多設備的 AI 大模型僅能解答中小學問題，例如行業翹楚小猿搜題，題目庫不包含大學課程。
這六款 AI 大模型的優秀表現，證明了國內頭部 AI 企業的實力，高考數學題已被征服，高等數學也不會遠了。學習機廠商、教輔平臺可以與頭部 AI 企業合作，增強產品 AI 答題的能力，繼續強化 AI 教育硬件業務。
夏日麗六月，金榜題名時。
又是一年高考季，雷科技「高考畢業季」專題上線，滿足學生粉絲的信息需求，涵蓋搜索、AI 等工具推薦，和手機、PC 等選購攻略。
敬請關注！
