我集结了大部分主流AI，让它们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：
1. 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：
2. 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。
3. 每道题任然使用大模型跑 3 次，根据正确比例给分。
4. 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。
5. 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。
