炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

爲了防止高考生使用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。對於這些企業的做法，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於高看自家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佈，其中語文高考題目曝光後，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。

（圖源：百度搜索截圖）

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大模型分別爲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大模型啓用聯網搜索，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。

第一道題屬於開胃小菜，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。（圖片從左往右以此爲：DeepSeek、訊飛星火、豆包、Kimi、文心一言、通義千問，下圖同）

（圖源：App截圖）

儘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，面對稍微複雜一些的問題，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，存在被高考生用於的作弊的可能性，暫停圖片識別問答功能絕非爲了蹭高考的熱度。

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。

（圖源：App截圖）

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。

儘管本輪測試中所有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。

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。

（圖源：App截圖）

在本輪測試中，DeepSeek服務器繁忙的問題頻繁發生，小雷不得不借助第三方應用。好在，現階段許多AI應用已接入DeepSeek，小雷使用的騰訊元寶App，無論是推理速度，還是穩定性，都遠高於DeepSeek網頁版或App。

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，它的複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。

（圖源：App截圖）

豆包、訊飛星火、文心一言、Kimi、DeepSeek可以在本輪測試中拿到滿分17分，通義千問因答錯了第二道小題，只能獲得7分。

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，面對複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於數學，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，數學失之毫釐差之千里，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爲模糊的答案。

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遊刃有餘。

四道題目測試下來，最終得分如下：

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。通義千問計算較爲簡單的問題時，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。

（圖源：豆包AI生成）

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，處理複雜任務時可能會崩潰。AI研究者Lisan al Gaib復刻蘋果測試方法後表示，模型不是因爲推理能力差失敗，而是因爲蘋果限制了輸出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羣體。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。

海量資訊、精準解讀，盡在新浪財經APP