高考這不剛結束嗎。

和前兩年差不多，還沒考完呢“史上最難”“喜提大專”之類的詞條已經先一步沖上了熱搜。

最讓人繃不住的，毫無疑問還是又是就是——數學。

6月7日下午，2026全國高考數學剛考完，#高考數學#難就沖上微博熱搜第一。

尤其是最后一道題，更是被網友集體譽為“史上最難高考壓軸題”，可以說是考完就道心破碎、喜提大專、準備二戰。

見此場景，黑馬當時就有了個好點子：

如果今年的數學卷真的這么難，那不就是上好的試金石，正好拿它來測AI……

畢竟過去兩年，各家 AI 天天都在宣傳自己數學能力有多強——什么推理模型、強化學習、長鏈思維說得一個比一個猛。

既然你們都真心實意的宣傳了，那我就大發慈悲的把你們直接拉上考場，真刀真槍考一次。

說干就干，轉頭黑馬就扒拉了6個目前常用的AI，為了以示公平，除了國內大模型之外，黑馬還專門邀請了Gemini和ChatGPT兩個國際選手參賽。

一張試卷，滿分150分，同一考場，同一時間，沒有搜索、沒有外掛、純靠模型本身的推理能力。

我們想看看——在真正的"高考級"難度面前，誰是真學霸，誰在裸泳。

為了保證公平，黑馬還設定了一套的評測規則：

試卷直接用的：2026年普通高等學校招生全國統一考試·數學（全國I卷），全卷共19題：選擇題11道（共58分）、填空題3道（共15分）、解答題5道（共77分），滿分150分。

6位考生分別是： GPT 5.5（OpenAI）、Gemini 3.1（Google）、DeepSeek、千問（阿里）、豆包（字節）、元寶（騰訊）。

具體規則如下：

1、所有試題以原卷掃描圖片輸入（不做OCR預處理）；

2、每道題獨立作答，不給上下文提示；

3、解答題按高考閱卷標準評分（過程分+結果分）；

4、同一時段內完成，避免模型更新差異。

然后成績單，就出來了。

說實話，這個第一我覺得是有點東西的。

本來我還在好奇到底是中國模型技高一籌，還是國外模型遙遙領先……

還好整體來說還是中國AI做數學更強一些。

而千問也收獲全場唯一滿分。

知道你們好奇，我們一個一個來看解題過程。

成績單往下翻，在前10道選擇題上，千問、豆包、元寶、DS、GPT、Gemini，清一色滿分。

基礎送分題拉不開差距，這很正常。

但僵局沒有持續太久，從第11題開始，Gemini就開始掉鏈子，6 分沒了；到了填空題又拉下來兩位選手，元寶第14題啞火，GPT 第12題丟分……

想不到吧，應用題都還沒開始就已經決出了前三甲了。

而到了應用題階段，前四道題大家的水平也都很平均，平均的沒有扣掉一分。

真正拉開差距的，還是大家吐槽的壓軸題19題。

對，就是那道今年被考生集體控訴"不是人做的題"的三道。

具體來看的話：

DeepSeek、Gemini、GPT都倒在了第（3）題，各丟5分；

豆包、元寶則在第（2）問和第（3）問同時失守，各丟9分；

只有千問的三個小問全部正確，滿分通過。

說實話，看到千問第 19 題全對，黑馬自己也愣了一下。

因為這道題的（2）（3）小問全是證明題，考的是新定義、集合、函數性質以及復雜條件推導。

簡單來說，就是特別考驗邏輯鏈條，只要中間有一步推錯，后面就會全崩。

這里放一個千問的答題過程：

可以看到，千問第（2）問奇函數性質推導完整，多情形分類一個不漏；第（3）問用反證法，條件①②的組合運用極具技巧性，結構嚴密得像一道證明題教科書。

說實話，這種級別的長鏈路推理能力，在目前的AI里值得一個夯的水平。

而其他家輸在哪其實也很明顯，主要就是推理穩定性差一點：

有的模型前面推理完全正確，卻在最后一步計算時出現符號錯誤；

有的模型思路方向沒問題，但分類討論漏掉了一種情況；

還有的模型明明已經接近正確答案，卻因為中間一個條件理解偏差導致滿盤皆輸。

這邊直接放一下大家的試卷：

豆包和元寶在第（2）問就開始出現計算偏差，根基一歪，后面越走越偏；

DeepSeek、Gemini、GPT 更能扛，但卡在了第（3）問的反證法構造上，實際上就是差在邏輯的精密度上。

當我們把各家的解題過程擺在一起看時嘛，很容易就能發現差距在哪里，前面那幾步大家都會做。

但能不能從第一步一直正確推到最后一步，才是真正決定分數的關鍵。

對于考生來說，這份成績單其實說明了一件事：

哪怕到了 2026 年，高考數學依然是檢驗思維能力最有效的試卷之一，因為它考察的從來不只是知識點，而是你能不能在陌生環境下完成推理、計算、遷移和驗證。

這也是為什么很多人覺得數學難，因為它不允許你“差不多”。

對 AI 行業來說，道理也是一樣。

現在的大模型寫作文、翻譯、總結資料，大家水平已經越來越接近很多場景里，你甚至很難感受到明顯差異。

但數學不一樣，尤其是高考壓軸題這種"一步錯步步錯"的題型。

它就像個照妖鏡，誰是真會推理，誰只是看起來會推理，往里一照基本就藏不住了。

而這次千問能拿到唯一滿分，本質上也是多種能力疊加的結果。

一方面是拍照識題、多模態理解能力——原卷掃描圖片直接輸入，不做任何 OCR 預處理，能準確識別手寫數學符號和復雜排版，本身就是一道門檻；

另一方面則是數學推理模型本身的強化訓練。千問此前在 SAT 考試中拿過 1580 分，超過全球 99% 的考生，也超過了 ChatGPT 和 Gemini，不是第一次在數學上展示這種水平了。

這次高考數學滿分，也只是再次證明了這件事。

回頭看，其實還挺有意思的。

2023年，我們第一次拿高考題測試AI的時候，討論最多的問題還是AI會不會寫作文。

那時候大家覺得，寫作是一件很高級的事情，需要理解、思考、表達和創造力。

但數學恰恰相反，當時它還被認為是最考驗邏輯和推理能力的領域，也是AI最難跨過去的一道坎。

等到2024年的時候，我們終于開始討論AI能不能做壓軸題，能不能上140分，能不能考上985。

直到今年，阿里千問在數學高考試卷上拿下了滿分。

現在你要是問我明年AI會被拿來測什么，那我也只能說不知道了。

撰文：柯然

編輯：Lena