健康从“齿”开始 绵阳石马小学举办儿童口腔疾病综合干预公益活动

2025年(nián)高考大幕虽已落下，但关于数学科目难度的讨论(tǎolùn)热度不减。

《每日经济(jīngjì)新闻》记者（以(yǐ)下简称“每经记者”）选取今年的全国新课标数学I卷作为(zuòwéi)考题，对(duì)DeepSeek-R1、腾讯元宝（混元T1）、OpenAI的o3、谷歌的Gemini 2.5 Pro和xAI的Grok3等十款AI推理大模型(móxíng)进行了测评，以检验当今主流AI推理大模型的数学能力。

测评结果显示，国产大模型DeepSeek-R1与腾讯(téngxùn)混元T1以(yǐ)零错误并列榜首。而被(bèi)马斯克称为“地表最强AI”的Grok 3却遭遇“滑铁卢”，排名倒数第三。

本次测评(cèpíng)以2025年全国新课标数学I卷（总分150分）作为(zuòwéi)考题。但每经记者在测试中发现，部分AI推理模型以“重要考试期间”为由拒绝对包含试题的(de)图片进行识别和解答。

为了让所有参评大模型(móxíng)站在同一起跑线，测评移除了试卷(shìjuàn)中所有需要(xūyào)分析图形和图表的题目，形成一份有效总分为117分的标准化试卷。

同时，对于谷歌Gemini 2.5 Pro等没有这一限制(xiànzhì)的(de)推理模型，仍将以150分(fēn)的完整试卷进行测试，旨在测试推理大模型所能达到的最高水平。

扣分标准上(shàng)，每经记者在(zài)选择题和填空题上都遵循了高考评卷的扣分标准，但对于解答(jiědá)题，本次测评只根据结果计算得分，不对过程打分。

需要说明的是，在此次测试中，每款推理大模型只进行单次测试，得分也仅反映(fǎnyìng)单次测试的结果(jiéguǒ)。

DeepSeek-R1和腾讯(téngxùn)混元T1并列第一

在排除了图形/图表(túbiǎo)题(tí)的117分试卷测试中，DeepSeek-R1与(yǔ)腾讯混元T1展现出了绝对的优势，以零错误的完美表现，取得了117分的满分成绩，并列第一。这表明，在代数计算和函数题等题型解答(jiědá)上，其能力已经达到了极高的水准和稳定性。

讯(xùn)飞星火X1以112分(fēn)的成绩紧随其后。相较于DeepSeek-R1与腾讯混元T1这两款大模型(móxíng)，讯飞星火X1多错了(le)一道填空题。这道题的正确答案是(shì)“±2”，而讯飞星火X1给出的答案是“2”。实际上，该模型的推理过程没有问题，认为“2”和“-2”都满足题目条件，但陷入自我怀疑，最终只给出了答案“2”。

讯飞星火X1的(de)推理过程

其他得分超过100分的还有(yǒu)Gemini 2.5 Pro（109分）、o3（107分）、阿里(ālǐ)千问(qiānwèn)Qwen3（106分）和豆包深度思考模式（104分）。在分数占(zhàn)比最高的解答题上，Gemini 2.5 Pro和o3均有失误(shīwù)，其中一道大题仅有部分正确，而阿里千问Qwen3和豆包深度思考模式均拿下满分。

Grok 3惨遭“滑铁卢”，排名(páimíng)倒数第三

在本次参评(cānpíng)的(de)(de)所有AI推理大模型中，如果说有谁的结果最令人意外，那无疑是马斯克旗下xAI公司开发的、被马斯克称为“地表最强AI”的Grok 3。

Grok在发布之初(zhīchū)就被市场寄予厚望，被认为是(shì)最有潜力挑战GPT和Gemini霸主地位的“黑马”。马斯克多次(duōcì)暗示，Grok的目标是成为最强大的AI。

然而(ránér)，Grok 3此次的(de)表现可以说是遭遇了“滑铁卢”。在117分的试题测试中，Grok 3仅获得91分，在10个参与测试的推理大模型中排名(páimíng)倒数第三。

深入分析其答卷，每经记者发现，Grok 3失分的一个独特且关键(guānjiàn)的原因：它似乎无法正确理解多选题这(zhè)类题型。

测试(cèshì)过程显示，即使在记者提示(tíshì)题目为多选题的情况下，Grok 3也“顽固”地只给出一个它认为(rènwéi)的最优解，导致只能得到部分分数。

排名倒数第二的是智谱清言(qīngyán)推理模式，在117分试卷的测试中得(zhōngdé)分为78分。

实际上，该(gāi)模型在多道题目的推理过程中都找到了(le)正确答案，但是往往会(huì)在最后一步出现自我怀疑导致逻辑崩溃，陷入循环，最终功亏一篑，白白丢了很多分。

智谱清言推理模式解答过程(guòchéng)截图

排在最末尾的是Kimi k1.5，该(gāi)模型(móxíng)在最后两道压轴大题上栽了大跟头，损失了大量的分数。

综合所有(suǒyǒu)测试情况(qíngkuàng)来看，在(zài)处理有固定步骤和严密逻辑的数学问题上，AI推理大模型已经具备很强的能力。但在涉及抽象和创新思维的题目上，目前的大模型还存在一定的局限性。

记者|岳楚鹏(yuèchǔpéng) 高涵

编辑|金冥羽 兰素英 盖源源(yuányuán)

封面图片来源(láiyuán)：视觉中国

｜每日经济新闻(xīnwén) nbdnews 原创文章｜

未经许可禁止转载(zhuǎnzǎi)、摘编、复制及镜像等使用