“6款主流大模型的解題能力整體表現呈現出清晰的梯隊分化?！?/p>

6月7日，2026年全國高考數學科目考試落下帷幕，隨后，多個數學相關的話題登上熱搜。過去兩年，AI行業迎來高速發展，大模型推理能力、數理分析能力持續進階，如果讓AI大模型化身“考生”應戰高考數學試題，它們將有怎樣的表現？

我們就此開展了一場評測，選取了6名以推理見長的大模型“考生”，分別是訊飛星火、DeepSeek、智譜、ChatGPT、Kimi、MiniMax，選取了2026年新高考I卷數學卷進行測評。

此次評測，我們還邀請了兩位專業老師輔助對大模型的考卷進行評分，他們分別是：人大附中北京經濟技術開發區學校高中數學教師、教研組長、北京市數學骨干教師 韓靜波，北京市中學數學特級教師、全國高中數理化名師俱樂部副理事長、中國數學奧林匹克高級教練丁益祥。

測試結果顯示，6款主流大模型的解題能力整體表現呈現出梯隊分化。有專家指出，當前大模型的數學能力競爭，已經從“能算出結果”轉向了“過程嚴謹、邏輯完整、復雜問題可拆解”的高階比拼。

6位大模型“考生”總體得分情況。新京報制圖/盧子雄

6位“考生”總分呈現梯度分布

需要說明的是，由于用于測評的題目為根據網絡流出的多個版本交叉驗證后的試題（可能存在與真題試卷不完全相符的情況，但不影響測評進行，所有大模型“考生”使用的均為相同題目），共19道題目，總分為150分。

先來看這次“考試”各位大模型“考生”的總體得分（規范分）情況：訊飛星火以148分總成績領先，其他“考生”總分數由高到低分別為：Kimi145分、DeepSeek144分、智譜143分、MiniMax142分、ChatGPT137分。

在基礎題部分，各模型選擇題與多選題實現全員滿分，僅個別模型在填空題中出現失誤。

解答題和解題過程的規范性是拉開差距的關鍵。幾位大模型“考生”中，訊飛星火全程規范分與結果分完全一致，推理過程較為清晰，字符也較規范。丁益祥舉例，其第15題第（2）小題，訊飛星火給出了幾何法和向量法兩種方法求解；而在第18題第（2）小題中的第①小問，它充分利用了平面幾何中三角形面積之間的關系，第②小問利用了夾角公式，簡化了運算。

同時丁益祥指出，在第18題第（2）小題中的第①小題這一題型上，“MiniMax卷”和“智譜卷”也利用了平面幾何中三角形面積之間的關系處理問題，都有不錯表現。

在解答題部分，有些模型則在不同程度上存在步驟失分，或者在解答題中因關鍵推導缺失或邏輯不連貫被扣減步驟分。

“考生”不同題目得分情況。新京報制圖/盧子雄

壓軸題成為區分模型復雜推理能力的分水嶺

由于考題較多，在此僅挑選部分題目來呈現作答情況并請專家進行點評。

韓靜波注意到，訊飛星火在解析第二問幾何性質時分析得很好，做法簡潔，還有一些題目給出了兩種解法?！坝嶏w星火在數形結合、對圖形幾何性質的研究上明顯優于其他模型。”

壓軸題（第18、19題）成為區分模型復雜推理能力的分水嶺。大部分模型在第18題中表現尚可，但在第19題中出現了明顯的“后繼乏力”，有“考生”僅得12分（滿分17分），反映出部分大模型在處理多步驟、高復雜度邏輯鏈時仍存在能力瓶頸。

韓靜波發現，最后一題（19題）中，DeepSeek在大眾形式化的代數推導比較擅長，利用通性通法按部就班做長邏輯的推導比較擅長，但是數形結合，對圖形幾何性質的分析稍顯欠缺，此外，利用題目的特殊性靈活處理問題能力不足。

大模型解數學題仍存在明顯提升空間

“可以說‘某些思路雷同，答卷各有千秋’，但也有些大模型還有改進的空間?！睂τ谶@六份由大模型“考生”給出的數學高考答卷，北京市中學數學特級教師、全國高中數理化名師俱樂部副理事長、中國數學奧林匹克高級教練丁益祥點評道。

他以第15題第（1）小題為例，六份答卷一致地利用幾何法證明；第18題第（1）小題，六份答卷一致地利用參數之間的關系求橢圓的標準方程；第19題第（1）小題，六份答卷一致地利用直接計算的方法求得結果。

丁益祥對試卷的批閱記錄。

同時，丁益祥也指出了大模型需要改進的地方，包括知識運用不恰當、字符呈現不規范、部分解法不簡練等問題。比如，“DeepSeek卷”“Kimi卷”“ChatGPT卷”“智譜卷”在求解第18題第（2）小題中都利用了向量的叉乘運算。在求解第19題第（2）小題中，“DeepSeek卷”還利用了“上確界”的概念，“這些都是高等數學中的知識，高中未學過，在解答高考數學試題中一般不宜使用?！倍∫嫦檎f道。

“MiniMax卷、智譜卷中的字符不統一、不規范，給人的感覺較為凌亂，看不清。還比如ChatGPT卷第15題第（2）小題的幾何法證明較繁瑣，智譜卷中第19題第（3）小題的推導不簡練……”丁益祥認為，這意味著在做數學題方面，大模型還有改進的空間。

總體而言，頭部大模型在高考數學場景中已展現出一定的解題實力，不僅能算出正確結果，在以規范、嚴謹的過程呈現推導思路方面呈現出一定優勢；也有部分模型雖在基礎題上表現穩定，但在步驟規范性與復雜壓軸題的推理能力上仍有明顯提升空間。

新京報記者 馮琪 劉洋

編輯 繆晨霞 校對 柳寶慶