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(dàn)关于数学科目难度(nándù)的讨论热度不减。

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

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(ér)被马斯克(mǎsīkè)称为“地表最强(zuìqiáng)AI”的Grok 3却遭遇“滑铁卢”，排名倒数第三。

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

为了让所有(suǒyǒu)参评大模型站在同一起跑线，测评(cèpíng)移除了试卷中(zhōng)所有需要分析图形和图表的题目，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等没有这一(zhèyī)限制的推理模型，仍将(jiāng)以150分的完整试卷(shìjuàn)进行测试，旨在测试推理大模型所能达到的最高水平。

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

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

DeepSeek-R1和(hé)腾讯混元T1并列第一

在排除了图形/图表(túbiǎo)题的117分试卷测试中，DeepSeek-R1与(yǔ)腾讯混元T1展现出了绝对的优势(yōushì)，以零错误的完美表现，取得了117分的满分成绩，并列第一(bìnglièdìyī)。这表明，在代数计算和函数题等题型解答上，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(xiāngjiào)于DeepSeek-R1与腾讯混元T1这两款大模型，讯飞星火X1多错(duōcuò)了一道(yīdào)填空题。这道题的正确答案是“±2”，而讯飞星火X1给出的答案是“2”。实际上，该(gāi)模型的推理过程没有问题，认为“2”和“-2”都(dōu)满足题目条件，但陷入自我怀疑，最终只给出了答案“2”。

讯飞星火X1的推理过程(guòchéng)

其他(qítā)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(hé)豆包深度(shēndù)思考模式(móshì)（104分）。在分数占比(bǐ)最高的解答题上，Gemini 2.5 Pro和o3均有失误，其中一道大题仅有部分正确，而阿里千问Qwen3和豆包深度思考模式均拿下满分。

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(wúyí)是马斯克(mǎsīkè)旗下xAI公司(gōngsī)开发的、被马斯克称为“地表最强AI”的Grok 3。

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

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

深入分析其答卷，每经记者发现，Grok 3失分的一个独特且关键的原因：它似乎无法(wúfǎ)正确理解多选题这类题型(tíxíng)。

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

排名倒数第二的是(shì)智谱清言推理模式，在117分试卷(shìjuàn)的测试中得分为78分。

实际上，该模型在多道(dào)题目的推理过程中(zhōng)都找到了正确答案，但是往往会在最后一步出现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(fēn)。

智谱(zhìpǔ)清言推理模式解答过程截图

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

综合所有(yǒu)测试情况来看(láikàn)，在处理有固定步骤和严密逻辑的数学问题上，AI推理大模型已经(yǐjīng)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。