关键人物/组织

O3

意外落后

Gemini

夺冠引发热议

Claude 4.1

对比

GPT-5

Gemini 2.5 Pro

对比

google

攻打

claude

灭

奥特曼

集中算力打一个角

ChatGPT

AI高考数学测试：O3意外落后，Gemini夺冠引发热议

2025-06-12
18 次查看
0 次互动
#AI高考数学
#o3
#Gemini 2.5 Pro
#AI推理能力
#教育应用

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。

AI 智能分析

基于多源数据的智能分析与洞察

近年来，人工智能（AI）技术的快速发展引发了社会各界对其在教育领域应用的广泛关注。尤其是AI在高考数学等学科的表现，成为了检验其智能水平的重要指标。此次高考测试的争议主要源于不同模型在相同条件下的表现差异，反映出当前AI技术在推理能力、知识更新及应用场景适应性等方面的不足。此外，随着AI技术的不断进步，未来可能出现的满分现象将使得各模型之间的竞争变得更加激烈，甚至可能导致评价标准的重新审视。

事件发展趋势

  • • AI模型的竞争将更加激烈，可能出现更多的测试和评估。
  • • 教育界对AI在教学中的应用将进行更深入的探讨和研究。
  • • 未来可能会出现新的标准和方法来评估AI模型的能力。
  • • AI技术的快速发展可能导致教育公平性的问题，需引起重视。

关键洞察

  • • 在过去一年中，AI模型的数学推理能力显著提升，基本上能达到130分以上。
  • • Gemini 2.5 Pro在客观题测试中表现优异，显示出其强大的推理和计算能力。
  • • 尽管o3未降智，但在测试中表现不佳，反映出其在特定任务上的局限性。
  • • 未来高考数学的区分度可能会降低，导致教育评价体系的挑战。

政策建议

  • • 建立更为科学的AI模型评估标准，以便更准确地反映其能力。
  • • 推动教育界与AI技术开发者的合作，共同探索AI在教育中的最佳实践。
  • • 关注AI技术对教育公平性的影响，制定相应政策以保障教育资源的均衡分配。
  • • 定期进行AI技术的评估与更新，以确保其在教育领域的有效性和适应性。
AI 分析基于公开数据，仅供参考，不构成任何建议

事件时间线

2025-08-15
09:45

有些人啊，连大模型都不如 你看这Gemini，多么会说话，情绪价值给的多足？ 我话撂在这，要不了多久，人类一定爱上AI，机器人。

来源：
汤光头
2025-08-14
16:22

机器学习好啊，机器学习得学啊

来源：
在悉尼和稀泥
2025-08-09
12:08

gpt-5的IQ测试出分了，57分🤣 去围观：

来源：
howie.serious
08:28

奥特曼喜欢用奇 基于大面积铺开C端chatGPT算力平均分配不足，奥特曼会用集中算力打一个角 这次GPT-5的更新明显把算力侧重在codex，所以web端表现so so codex目前我用下来几乎是指哪打哪，很强大，比gemini cli和kiro丝滑太多 大概目标是先灭claude，再想办法攻打google 其实这招也用过，google出native image的时候，奥特曼也是重点算

来源：
Jesse Lau 遁一子
2025-08-08
20:51

都 2025 年中了，大家还在用这种方式测 AI？ 挺哭笑不得的。

来源：
wwwgoubuli
20:15

我也给众AI试了这个题目：5.9 = x + 5.11，X是多少？结果GPT 5，Cloud opus 4.1，Gemini 2.5 Pro是2.1，o3、Grok4、Kimi K2和Doubao Seed 1.6都是0.79。

来源：
Michael Anti
13:51

GPT-5模型的各种跑分都是按reasoning_effort=high来的，而ChatGPT里的这个GPT-5很多时候都不会触发推理（于是连9.8和9.11哪个大都回答不好），可能这就是落差如此大的原因？ （GPT-5 Thinking就好很多）

来源：
wong2
08:56

简单试试 GPT-5 的前端能力吧 毕竟其他进步感知不强，甚至有的还有点倒退 会加上 Gemini 2.5 Pro 和 Claude 4.1 的对比 从第一个结果来看，GPT-5 相较于之前是好不少，但肯定没有 Gemini 和 Claude 强，而且这次最漂亮的居然是 Gemini

来源：
歸藏(guizang.ai)
2025-08-06
18:52

个人感觉现在大部分的工程师都在忙着专研 AI 编程，等技术溢出的时候，应该对大部分领域都是降维打击 🚀 比如 Gemini 刚刚推出的 Storybook 功能，我只输入了： “给孩子解释宝宝是怎么来的，用宫崎骏的风格输出” 说实话这个问题大部分人都应该挺难回答的，故事结果出来我个人觉得效果很炸裂🔥

来源：
Guangzheng Li
2025-07-22
05:08

奥数金牌较上劲了。😁 gemini deep think 42分获得35分 “我们可以确认，Google DeepMind 已经达到备受期待的里程碑，在 42 分满分中取得了 35 分——金牌成绩。他们的解答在许多方面令人惊叹。IMO 评分员一致认为，这些解答清晰、精准，大多数都易于理解。” ——国际数学奥林匹克（IMO）主席 Gregor Dolinar 教授

来源：
Jesse Lau 遁一子
2025-06-16
15:37

看到很多人用大模型做高考数学卷可以得140分了？ 为什么我让Claude，Grok，GPT和DeepSeek做初一卷子的最后一题，驴唇不对马嘴？ 各种角的时候，跟到中间就错了，你指出来错误，他就改变以知条件重新推导。新的结果再费劲去看，中间错了，再重新推导。 三轮下来，我已经没有耐心再看下去了。

来源：
洛克船长
2025-06-12
14:08

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

来源：
歸藏(guizang.ai)
2025-06-11
23:06

一年之间 AI 做高考数学从 47 分到 145 分！AI 数学能力发生了什么？自从去年极客公园搞了次 AI 做数学题，今年各大媒体又开始让 AI 写作文做数学题了，但是估计明年再搞一年 AI 数学题以后就搞不下去了，因为明年的结果只会是各大模型高考数学都是满分的成绩，再也拉不开区分度了！ 可能你会好奇今年各个模型的高考数学成绩如何，我觉得“机器之心”这篇《高考数学全卷重赛！一道题难倒所有大模型

来源：
宝玉
18:51

之前大家都特别关注的大模型高考测试放出来之后，收到了很多的质疑： 有人说o3降智了 有人说用的客户端都是联网的，用 api 才是真实水平 有人说没加入近期变强的的 Gemini 于是机器之心又搞了一次测试 - 用不降智的 o3 测试 - o3之外，用各家模型的 API 统一测试 - 加入人气很高的了 Gemini 2.5 Pro 结果…又是很意外 o3 虽然没降智，但前三都没进，只屈居第四

来源：
orange.ai
2025-02-01
20:05

求教：我不明白，为什么这么简单的一个题，o3-mini 和 deepseek-R1 都做不对？ 是因为对训练集数据过拟合了吗？ 错到这么离谱，已经有点抽象了。有懂的朋友可以解释下原因吗

来源：
howie.serious

相关信息

2个月前

北大“韦神”健康问题引发粉丝热议，粉丝数激增超2300万

1个月前

Google Gemini 2.5发布引发AI模型性价比热议

2个月前

高考梦魇：31年后依旧无法逃脱的焦虑

2个月前

OpenAI大幅降价，o3模型API调用费用骤降80%

2个月前

2025年跳水世界杯全红蝉遭遇下毒事件引发热议

2个月前

国足1：0绝杀巴林，荣誉之战告别世预赛

2个月前

AI高考数学测试：O3意外落后，Gemini夺冠引发热议

2个月前

#高考反思：名校情结下的教育之殇

2个月前

山东济宁高考考生撕毁试卷事件引发关注