摘要
1) 一句话总结 作者对10个大语言模型进行了满分150分的完整版高考数学测试，结果显示讯飞星火和豆包以145分并列第一，展现出AI在数学解题能力上的快速进化。
2) 关键要点
- 测试范围：测试包含单选、填空及解答题的完整高考数学卷，参测模型包括智谱Z1、Kimi1.5、文心X1、OpenAI o3、DeepSeek-R1-0528、讯飞星火、豆包、Qwen3、Gemini 2.5 pro、混元T1等10个模型（Claude 4因封号未参与）。
- 评分规则：满分150分；解答题按小问估算赋分，且严格按照最终结果是否正确给分（不看步骤）；每道题测试3次，按正确比例给分。
- 题目处理：纯文本题转换为LaTeX格式输入；带图的多模态题直接截图作答；无多模态或无法传图的模型，取其他多模态模型得分的平均分。
- 解答题表现：大部分模型在解答题部分表现优异，正确率超出预期。
- 得分与排名：
- 第一名（并列）：讯飞星火、豆包（145分，仅错第6题）。
- 第三名：Qwen3（143.3分，解答题全对，填空题因单次失误扣分）。
- 第四名：Gemini 2.5 pro（139.7分，解答题失误较多）。
- 第五名（并列）：混元T1、文心X1（比第四名低2.7分）。
- 行业对比：对比2023年初测时的糟糕表现，当前大模型的高考数学水平在两年内已达到优秀学生标准。
3) 风险与不足
- 图像理解与几何短板：多模态模型在处理需要作辅助线的图像理解题（如单选第6题）时几乎全军覆没，仅OpenAI o3在三次测试中答对两次。
- 过度推理风险：部分推理模型（如DeepSeek-R1-0528）因思维链过长，在处理复杂度不高的高考题时容易过度发散导致出错。
- 多模态功能缺失：部分模型仍缺乏多模态能力或在推理时不支持图片输入，无法独立完成带图题目的作答。
正文
昨天，我不是发了几个大模型参加数学高考的测试文章嘛。
没想到热度挺高，大家还挺关注的。
不过，很多评论区的小伙伴也说，根本看不出来区别。
因为缺了对AI难度最高的单选第6题，还有后面那些解答题。
那我想，不如再把模型补上，加上全缺失的智谱Z1、Kimi1.5、文心X1，（不带Claude 4，封号斗罗，我恨他），再做一个，完整的满血版的数学高考，让大家最直观的，感受一下这些模型的数学能力水平。
让大家看看，满分150分，每个模型到底多少分，哪个模型能拿高考数学状元。
因为要做解答题了，和选则填空不太一样，所以我还是单独定了一下规则，规则如下：
- 数学大题往往都有两到三个小问，但是每个小问具体的赋分都不太一样，邀请了朋友（高中老师）来估摸一下每个小问的分数，如下，都取后者：
-
高考大题往往会按照步骤给分，但是主要我也看不懂步骤（勿喷），所以这里我们不妨对大模型严格一点，按照结果是否正确来给分。
-
每道题任然使用大模型跑3次，根据正确比例给分。
-
依然所有的文本题，都 使用LaTeX编辑器转成LaTeX文本格式，再扔给大模型进行回答。
- 带图片的多模态题也加入测试，直接截图进行作答，没有多模态或者推理时不能传图的模型，取其他所有多模态模型得分的平均分。
以上。
在几个朋友@东毅、@倒放、@云舒、@ 绛烨帮我kuku跑了好久之后，我们终于得出了结论。
这的，又一次干到了凌晨4点。
不过，最终的得分和结论，非常出人意料，也出乎我的意外。
先看对错。
对的全部都是✅，错的就是❌，如果是有部分对，就是⭕️，没有多模态的，就写没有多模态。
我说实话，这一片的绿，还是有点超出我的预期的，我本来以为，解答题会难住一堆大模型，没想到，几乎大部分都是对的，而单选题第6题，反而成了，所有大模型的噩梦。
涉及到图片的理解，对于广大高考学生，轻轻松松做一条辅助线就可以解决，但是所有的多模态大模型，几乎全军覆没，也就openai o3 在三次回答中，对了两次。
DeepSeek-R1-0528的表现不如其他的推理模型可能是因为他的推理思维链很长很长，而高考题并没有那么复杂，所以导致，想着想着，就想歪了。。。
真的发现，有时候想的短一点，正确性可能会更高。
所有的答案，都在这了，我们是结结实实的，把每个大模型、每道题，跑了3次。。。
下次一定要抽空做个脚本，这事用人干是真的顶不住= =
那最后，终于，要公布我们的测试最终得分了。。。
这个排名，真的让我有点意外。。。
这里我插一句，我对天发誓，这篇文章不是广告，我也和科大讯飞还有豆包没有任何利益关系，在测试过程中也没有任何弄虚作假或者不遵守规则。
但是实实在在的，就是这么发生了。
在我的测试中，讯飞星火和豆包除了第6题错，以其他题目全胜的姿态，145分的超高分，并列夺得了第一名。
而Qwen3，解答题全对，但是在填空题时，因为roll错了1次对了2次，产生了失误，丢了宝贵的1.7分，以143.3分，屈居第三。
Gemini2.5 pro，解答题拉了跨，139.7分，位列第四。
混元T1和文心x1，解答题失误稍微多了一些，比Gemini 2.5 pro多错了一点点，差了2.7分，并列屈居第五。
很有意思，太有意思了。
我其实很久没就没有测试测的这么开心过了。
2023年，我第一次测AI高考数学题的时候，那时候大家只有嘲讽。
强如大模型，不识一二三四五。
短短两年，对于高考来说，几乎都能轻松达到一个优秀学生的地步。
AI啊，进化还是太快了一点。
也许这就是我爱这份工作的原因吧。
它总能带给我一些未知，一些惊喜，还有一年抵十年的回忆。
所以，这场AI高考，就到这里画上句号吧。
天边泛起肚白。
新的一天。
又到来了。