在2025年高考數學科目考試結束后，網絡上關于試卷難度的討論熱度不減。作為科技領域的觀察者，我們不禁好奇，對于當前備受矚目的AI技術而言，這份數學試卷是否同樣具有挑戰性？為了回答這個問題，我們組織了一場特別的“考試”，邀請了多家知名的大模型參與，模擬完成了一套高考數學試卷。
本次“考試”中，我們挑選了以下幾家具有代表性的大模型作為“考生”：DeepSeek R1 0528、通義千問 Qwen3-235B-A22B、訊飛星火 X1-0420、豆包 Seed-Thinking-v1.5、文心 X1 Turbo、騰訊混元 Hunyuan T1 latest和GPT o3。由于網絡流傳的試題版本不一，我們通過多版本交叉驗證和教師解題驗證的方式，確保評測的準確性，試卷總分為150分。
我們特別邀請了一位擁有十年高中數學教研經驗的專家汪鵬老師，對大模型的答案進行評分?？紤]到部分模型在OCR識別方面的限制，我們采用了OCR轉寫后輸入答題的方式進行處理。
接下來，讓我們通過幾道典型題目，看看這些大模型的表現如何。
首先是選擇題第一題，各家大模型均給出了正確答案，顯示出它們在基礎題目上的穩定表現。
選擇題第五題是一道涉及函數的題目，所有大模型再次全部答對，進一步證明了它們在復雜題目上的解題能力。
然而，在選擇題第八題中，豆包大模型和DeepSeek出現了錯誤，而其他模型均給出了正確答案。這道題目涉及對數函數，顯示出部分模型在處理特定數學知識點時的局限性。
在解答題方面，我們以第16題為例，這是一道涉及數列和函數的題目。DeepSeek、通義千問、訊飛星火和豆包大模型均給出了正確的解題過程和答案，而文心X1和騰訊混元則出現了不同程度的錯誤。
最后，我們來看難度更高的第18題。訊飛星火、豆包大模型、DeepSeek、通義千問和GPT o3均獲得了滿分，而文心X1則因答案錯誤而失分。
經過綜合評分，DeepSeek以143分的成績位列榜首，訊飛星火以141分緊隨其后，GPT o3以138分獲得第三名。這次“考試”不僅展示了AI在數學領域的強大能力，也暴露了部分模型在實際應用中的短板。
DeepSeek作為最新版本的大模型，在思考推理和數學能力方面表現出色，但OCR識別效果不佳，且推理速度慢、資源消耗高。訊飛星火則憑借其較小的模型量級和高效的數學能力，在評測中取得了優異成績，顯示出其在教育領域的深厚積累。
豆包和通義千問等大模型也表現出色，與國際頂尖模型水平相當。這次“考試”不僅是對AI數學能力的一次檢驗，更是對未來AI在教育領域深度應用的一次探索。
