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(nián)高考大幕虽已落下，但关于数学科目难度的讨论热度(rèdù)不减。

《每日经济新闻》记者（以下简称“每经记者”）选取今年的(de)全国新课标数学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(děng)十款AI推理大(dà)模型进行了(le)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(yǐ)零(líng)错误并列榜首。而被(bèi)马斯克称为“地表最强AI”的Grok 3却遭遇“滑铁卢”，排名倒数第三。

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

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

同时，对于谷歌Gemini 2.5 Pro等没有这一限制的推理模型，仍将(jiāng)以150分(fēn)的完整试卷进行测试，旨在测试推理大模型所能达到的最高(zuìgāo)水平。

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

需要说明的是，在此次测试中，每款推理大模型只进行单次测试，得分也(yě)仅反映单次测试的结果(jiéguǒ)。

DeepSeek-R1和腾讯(téngxùn)混元T1并列第一

在排除了(le)图形/图表题的117分试卷测试中，DeepSeek-R1与腾讯(téngxùn)混元T1展现出了绝对(juéduì)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题型解答上，其(qí)能力已经达到了极高的水准和稳定性。

讯飞星火(xīnghuǒ)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多错了一道填空题(tiánkòngtí)。这道题的正确答案是(shì)“±2”，而讯飞(érxùnfēi)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“-2”都满足题目条件，但陷入(xiànrù)自我怀疑，最终只给出了答案“2”。

讯飞(fēi)星火X1的推理过程

其他得分(défēn)超过100分的还有Gemini 2.5 Pro（109分）、o3（107分）、阿里千问Qwen3（106分）和(hé)豆包深度思考模式（104分）。在(zài)分数占比最高的解答题上，Gemini 2.5 Pro和o3均有失误，其中一道大题仅(jǐn)有部分正确，而阿里千问Qwen3和豆包深度思考模式均拿下满分(mǎnfēn)。

Grok 3惨遭(cǎnzāo)“滑铁卢”，排名倒数第三

在本次(běncì)参评的(de)所有AI推理(tuīlǐ)大模型中，如果说有谁的结果最令人意外，那无疑是马斯克旗下xAI公司开发的、被马斯克称为“地表最强AI”的Grok 3。

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

然而，Grok 3此次的(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(tuīlǐ)大模型中排名倒数(dàoshǔ)第三。

深入分析(shēnrùfēnxī)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类题型。

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

排名倒数第二的(de)是智谱清言推理模式，在117分试卷的测试(cèshì)中得分为78分。

实际上，该模型在多道题目的(de)推理过程中都找到了正确答案，但是往往会(huì)在最后一步出现自我(zìwǒ)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过程截图(jiétú)

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

综合所有(yǒu)测试情况来看，在处理有固定步骤和严密逻辑的数学(shùxué)问题上，AI推理大模型已经具备很强的能力。但在涉及(shèjí)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。