十大推理模型挑战2025年高考数学题：DeepSeek-R1、腾讯混元T1并列第一，马斯克的Grok 3遭遇“滑铁卢”

2025年高考大幕虽已落下，但关于数学(shùxué)科目难度的讨论(tǎolùn)热度不减。

《每日(měirì)经济新闻》记者（以下(yǐxià)简称“每经记者”）选取今年的(de)全国新课标(xīnkèbiāo)数学I卷作为考题，对DeepSeek-R1、腾讯混元T1、OpenAI的o3、谷歌的Gemini 2.5 Pro和xAI的Grok3等十款AI推理大模型进行了测评(cèpíng)，以检验当今主流AI推理大模型的数学能力。

测评结果显示，国产大模型DeepSeek-R1与腾讯混元T1以零错误并列榜首。而被马斯克称为“地表(dìbiǎo)最强AI”的Grok 3却遭遇“滑铁卢(huátiělú)”，排名(páimíng)倒数第三。

本次测评以2025年全国(quánguó)新课标数学I卷（总分150分）作为考题。但每经记者在测试中发现，部分AI推理模型(tuīlǐmóxíng)以“重要考试期间”为由拒绝对包含试题的图片进行(jìnxíng)识别和解答。

为了让所有参评大模型(móxíng)站在同一起跑线，测评移(yí)除了试卷中所有需要分析图形和(hé)图表的题目，形成一份有效总分为117分的标准化试卷。

同时，对于谷歌Gemini 2.5 Pro等(děng)没有这一限制的推理模型，仍将以150分的完整试卷进行(jìnxíng)测试，旨在(zhǐzài)测试推理大模型所能达到的最高水平。

扣分标准上，每经记者在选择题和(hé)填空题上都遵循了高考评卷的(de)扣分标准，但对于解答题，本次测评只(zhǐ)根据结果计算得分，不对过程打分。

需要说明的是，在(zài)此次测试(cèshì)中，每款推理大模型只进行单次测试，得分也仅反映单次测试的结果。

DeepSeek-R1和腾讯混元(hùnyuán)T1并列第一

在(zài)排除了(le)图形/图表题的(de)117分试卷测试中，DeepSeek-R1与腾讯混元T1展现出了绝对的优势，以零错误的完美表现，取得了117分的满分成绩，并列第一。这表明，在代数计算和函数题等(děng)题型解答上，其能力已经达到了极高的水准和稳定性。

讯飞星火X1以112分的成绩紧随其后。相较于DeepSeek-R1与腾讯混元T1这两款大模型，讯飞星火X1多错(duōcuò)了(le)一道填空题。这道题的正确答案(dáàn)是“±2”，而讯飞星火X1给出的答案是“2”。实际上，该模型的推理过程没有问题，认为“2”和(hé)“-2”都满足题目条件，但陷入自我怀疑(huáiyí)，最终只给出了答案“2”。

讯飞星火X1的(de)推理过程

其他得分超过100分的还有Gemini 2.5 Pro（109分）、o3（107分）、阿里千问Qwen3（106分）和豆包(dòubāo)深度思考模式(móshì)（104分）。在分数占比最高的解答题上，Gemini 2.5 Pro和o3均(jūn)有失误(shīwù)，其中一道大题仅有部分(bùfèn)正确，而阿里千问Qwen3和豆包深度思考模式均拿下满分。

Grok 3惨遭(cǎnzāo)“滑铁卢”，排名倒数第三

在本次参评的所有AI推理大模型中，如果说有谁的结果最令人意外，那无疑是马斯克(mǎsīkè)旗下xAI公司开发(kāifā)的、被(bèi)马斯克称为“地表最强AI”的Grok 3。

Grok在(zài)发布之初就被市场寄予厚望，被认为是(shì)最有潜力挑战GPT和Gemini霸主地位的“黑马”。马斯克多次暗示，Grok的目标是成为(chéngwéi)最强大的AI。

然而，Grok 3此次的(de)(de)表现可以说是遭遇了“滑铁卢”。在117分的试题测试中，Grok 3仅获得91分，在10个参与测试的推理大模型中排名倒数(dàoshǔ)第三。

深入分析其答卷，每经记者发现，Grok 3失分的(de)一个独特且关键的原因：它似乎无法正确理解多选题这(zhè)类题型。

测试过程显示，即使在(zài)记者提示(tíshì)题目为多选题的情况下，Grok 3也“顽固”地只给出一个它认为的最优(zuìyōu)解，导致只能得到部分分数。

排名倒数第二(dìèr)的(de)是智谱清言推理模式，在117分试卷的测试中得分为78分。

实际上，该模型在多道(dào)题目的(de)推理过程中都找到了正确答案，但是往往会在最后一步出现(chūxiàn)自我怀疑导致逻辑崩溃，陷入循环，最终功亏一篑，白白丢了很多分。

智谱清言推理模式解答(jiědá)过程截图

排在最末尾的是Kimi k1.5，该(gāi)模型在最后两道压轴大题(dàtí)上栽了大跟头，损失了大量的分数。

综合所有测试情况来看(láikàn)，在处理有固定步骤(bùzhòu)和严密逻辑的数学问题上，AI推理大(dà)模型已经具备很强的能力。但在涉及抽象和创新思维的题目上，目前的大模型还存在一定的局限性。