摘要：2025年高考刚结束，作为拉分科目的数学，一度被视为智商试金石。
摘要：推理LLM大幅提升了理科成绩，数学上LLM已成尖子生。
2025年高考刚结束，作为拉分科目的数学，一度被视为智商试金石。
到底难不难？大家反馈不一。
估及韦东奕，连连摆手：不难不难，一点都不难。
大模型能得多少分？
2024年大模型高考测评
2024年，有人用高考题测试模型能力，使用2024年河南省高考试题，测试主流大模型能力。
8个大模型“考生”分别参加了文理科考试，到底谁更厉害？
分析：
文科榜单：通义千问＞浦语文曲星＞GPT-4o，这3位考生达到一本线理科榜单：浦语文曲星＞GPT-4o ＞通义千问，前三甲都没过一本，只是二本水平可见，大模型对文科生威胁更大。
一年过去了，推理LLM层出不穷，理科能力是否有质的提升呢？
2025年高考数学
IT之家做了实验，让大模型做2025年高考数学试卷。
大模型“考生”：
DeepSeek R1 0528通义千问 Qwen3-235B-A22B讯飞星火 X1-0420豆包 Seed-Thingking-v1.5文心 X1 Turbo腾讯混元 Hunyuan T1 latestGPT o3同时，邀请专家对大模型答案进行评分：
汪鹏：十年高中数学一线教研专家，主导省级数学教学创新课题，精研命题策略与高分突破路径。考试开始
全国一卷数学（部分）：
选取几道代表题目
① 选择题
第一题：答案C，全部正确
第五题，难度提升，答案A，依然全对
②解答题
除了给出正确答案，还需要有解答过程，难度高于选择题。
第16题
大部分选手都能给出正确答案和解答过程，15分到手，而文心答案错误，得6分，混元0分。
继续拔高，增大难度。
第18题
讯飞星火 X1、豆包大模型、DeepSeek R1、通义千问、腾讯元宝以及 GPT o3 的解题过程和答案都没问题，拿到 17 分满分，而文心 X1 模型的答案存在错误，得分为 10 分。
分析
成绩汇总
DeepSeek、讯飞星火表现突出，唯二突破 140 分的大模型，稳居国内大模型数学能力的第一梯队，达到“尖子生”标准。其中，DeepSeek 以 143 分的成绩位列榜首，讯飞星火以 141 分紧随其后，位居第二，GPT o3 则以 138 分获得第三名。数学考试上，大模型都是优等生，110以上，DeepSeek 和讯飞超过140！
DeepSeek R1 模型是在 5 月 28 日的最新版，能力确实强，但OCR能力不足，题目识别有误，需要辅助。
讯飞星火X1是4 月 20 日升级，版本较早，但在模型量级更小（70b）的情况下，依然取得 141 分的高分，并显著超越了豆包等其他参与测评的国内大模型，不愧是长期耕耘在教育领域的选手。
豆包、通义千问等大模型紧跟 GPT o3，和国际顶尖的模型水平打了个平手。
看来，理科生也危险了。
2025 高考数学是深度推理模型的一场大考，和去年相比，AI 数学能力显著提升。
可见，2025 年将是 AI 应用落地的爆发期。
附录
参考：
IT之家分析：https://news.qq.com/rain/a/20250608A05OZ9002025年全国卷一数学试题：https://gaokao.eol.cn/shiti/sx/202506/t20250607_2673303_1.shtml来源：鹤啸九天blog