看了一下机器之心的高考数学 AI 模型测试。国内模型在过去一年的推理能力进步很真的挺大的，基本全部都能考上 130 多分。豆包、DeepSeek的选择题和解答题得分都非常高，基本上超过了大多数人的水平。而且豆包在 APP 端和 API 端的分数都很高。 Gemini 确实强，在所有客观题的测试中排第一。从 o3 的基准测试来看即使没有像国产模型的高考数学数据，也不应该这么低，API

#高考 #人工智能 #数学 #AI测试 #机器之心 #豆包 #DeepSeek #Gemini #推理能力 #模型测试

相关新闻

响马

11小时前

近 ai 者。。。😂

汤光头

12小时前

AI绝对干不了的一件事儿很多人都说AI无所不能，淘汰这个，淘汰那个我发现，有一件事儿，AI绝对干不了，啥呢？答：踩坑

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

14小时前

之前就判断deepseek下个版本会在长上下文上突破，估计有戏

bmwmengwei

14小时前

国行苹果电脑上用 DeepSeek 补齐 Xcode 26 的 AI 能力

sitin

16小时前

Claude 4.5 来了，新一轮 AI 编程大战开始！

关联事件

AI高考数学测试：O3意外落后，Gemini夺冠引发热议

在近期的AI高考数学测试中，O3虽然未降智，但却屈居第四，未能进入前三名，引发了广泛的质疑与讨论。此次测试不仅使用了O3，还引入了其他模型的API进行统一评估，并加入了人气模型Gemini 2.5 Pro。结果显示，国内多款模型在推理能力上有显著提升，基本都能考上130分以上，其中Gemini在客观题测试中表现最佳。随着AI数学能力的提升，未来的测试结果可能会趋于满分，导致各模型之间的区分度降低。这一现象引发了对AI发展趋势的深入探讨，尤其是在教育领域的应用前景。