近日，一場別開生面的高考數(shù)學(xué)模擬測試吸引了廣泛關(guān)注。此次測試并非由傳統(tǒng)考生參與，而是六大人工智能模型——字節(jié)的豆包、騰訊的元寶、阿里的通義、百度的文心X1Turbo、深度求索的DeepSeek以及OpenAI的o3，共同挑戰(zhàn)2025年新課標(biāo)Ⅰ卷的14道客觀題。
測試環(huán)境嚴(yán)格，所有模型在無系統(tǒng)提示和聯(lián)網(wǎng)搜索的條件下獨立作答，且每個模型只有一次答題機會。測試題目總分73分，包括單選題、多選題和填空題，全面考察了模型的數(shù)學(xué)推理能力。
測試結(jié)果顯示，豆包和元寶以并列第一的68分成績脫穎而出，展現(xiàn)了卓越的數(shù)學(xué)解題實力。相比之下，DeepSeek和通義分別以63分和62分緊隨其后，但稍顯不足。而文心X1Turbo和o3的表現(xiàn)則令人遺憾，尤其是o3，僅得34分，顯示出對高考數(shù)學(xué)題目的適應(yīng)性有待提高。
深入分析各模型的答題情況，豆包、通義和元寶在單選題上表現(xiàn)優(yōu)異，均獲得了35分。DeepSeek因兩道題失誤而失分，最終得30分；而o3在單選題上更是表現(xiàn)不佳，僅得20分，錯誤率高達50%。然而，在多選題方面，豆包、DeepSeek和元寶均展現(xiàn)出了強大的穩(wěn)定性，三道題全部答對。
值得注意的是，盡管通義在答題速度上表現(xiàn)出色，但在多選題的關(guān)鍵時刻出現(xiàn)了判斷失誤，導(dǎo)致得分不理想。此次測試不僅揭示了各模型在數(shù)學(xué)解題上的潛力和短板，也反映出它們在邏輯推理和細節(jié)處理方面的進步與不足。
與去年相比，這些人工智能模型在數(shù)學(xué)能力上有了顯著提升，特別是在公式應(yīng)用和邏輯推理方面。盡管仍存在一定的錯誤和缺陷，但此次測試無疑為AI在高考數(shù)學(xué)領(lǐng)域的應(yīng)用和發(fā)展奠定了堅實基礎(chǔ)。
