13個(gè)頂級(jí)AI重考2026高考數(shù)學(xué)，咋還沒(méi)一個(gè)拿到滿分

　　
事情是醬的。

　　幾天前發(fā)了一篇13個(gè)AI做2026高考數(shù)學(xué)全國(guó)一卷的測(cè)試，也得到了許多關(guān)注。

　　但后臺(tái)有幾位數(shù)學(xué)老師留言以及給我們提意見(jiàn)，關(guān)注到幾道題的題面好像不太對(duì)勁以及對(duì)于模型的選擇有問(wèn)題。

　　我們回去全看了一遍，

　　第一次測(cè)試的題目，有一部分是從截圖或PDF轉(zhuǎn)LaTeX來(lái)的。轉(zhuǎn)的過(guò)程中，有些上標(biāo)掉了，或者根號(hào)位置歪了，還有的選項(xiàng)條件解釋跟原卷有細(xì)微出入等等等。

　　對(duì)于離開(kāi)高數(shù)有點(diǎn)久的我來(lái)說(shuō)，一開(kāi)始確實(shí)是沒(méi)找出毛病。

　　數(shù)學(xué)和模型都是，對(duì)輸入的敏感程度超出想象。

　　從第一步就被帶進(jìn)溝里，后面推得越認(rèn)真，只會(huì)讓他錯(cuò)得越遠(yuǎn)。

　　所以這一次，我們來(lái)個(gè)針對(duì)性復(fù)測(cè)。

　　我們把整套卷子重新人工整理成LaTeX，每道題的題面，參考答案，評(píng)分口徑，都和數(shù)學(xué)老師逐題過(guò)了一遍。然后讓13個(gè)模型重新作答。

　　所有模型都在全新對(duì)話里，一樣的不聯(lián)網(wǎng)，不查資料，不調(diào)用任何外部工具，只按高考答題標(biāo)準(zhǔn)輸出完整過(guò)程。

　　還是統(tǒng)一說(shuō)一下這次的所有模型，claude，deepseek，gemini，minimax，kimi，gpt，qwen，grok，glm，豆包，混元

　　為了確保最終考場(chǎng)一致性，以O(shè)penrouter相同API為主，加上了來(lái)自火山引擎的豆包和騰訊的混元進(jìn)行參與（主要是這兩個(gè)沒(méi)有在openrouter上有提供）。

　　同一份Prompt也盡可能的做到了同一個(gè)API。并且開(kāi)了同樣的 high thinking模式。

　　評(píng)分模式也嚴(yán)格按高考的來(lái)。單選只看最終選項(xiàng)，多選全對(duì)6分，只對(duì)一部分3分，如果錯(cuò)了還會(huì)扣分。

　　解答題逐題核對(duì)結(jié)論，關(guān)鍵推導(dǎo)和證明完整性，只寫(xiě)可推出，證明見(jiàn)上的模型，一律按缺步驟扣分。

　　話不多說(shuō)直接看最終成績(jī)。

　　13個(gè)模型對(duì)錯(cuò)排行如下

　　13個(gè)模型，平均分居然高達(dá)139.4。

　　什么概念？隨便拉到一個(gè)考場(chǎng)里，全是年級(jí)前排的水平。

　　且這次復(fù)測(cè)最大的發(fā)現(xiàn)，真不是誰(shuí)是第一。

　　是當(dāng)題面，公式，條件足夠干凈的時(shí)候，模型的最終答案能力，已經(jīng)接近到?jīng)]法用客觀題區(qū)分了。

　　8道單選，13個(gè)模型，全對(duì)。

　　3道多選，除了Q11翻了兩家，其余全對(duì)。

　　3道填空，全對(duì)。

　　Q15，Q16，Q17三道解答題，13家全部滿分。

　　整張熱力圖，前17題幾乎一片綠。

　　綠到我一度懷疑人生了。。。

　　也人工真實(shí)核了一遍。但真的沒(méi)錯(cuò)，就是綠的。。。

　　那問(wèn)題來(lái)了，既然大家前面都對(duì)，148和130之間這18分，到底是丟哪了？

　　從Q11，這是全卷唯一的客觀題翻車(chē)點(diǎn)。正確答案BCD，而GLM 5.1和Hy3都選了ABCD，多勾了一個(gè)A。按高考多選規(guī)則，含錯(cuò)選就是0分，6分被直接清零。

　　如同上次一樣，多選題依舊是AI的事故高發(fā)區(qū)。

　　選項(xiàng)A之前我們也分析了，成立的條件很微妙，看起來(lái)也挺對(duì)。

　　然后是Q18，解析幾何。

　　大部分模型的最終答案都是對(duì)的，橢圓方程對(duì)，直線方程對(duì)，最小值4√3也對(duì)。

　　但是吧，按照閱卷標(biāo)準(zhǔn)去摳過(guò)程，毛病就全出來(lái)了。

　　面積比是怎么轉(zhuǎn)化成線段關(guān)系的，沒(méi)寫(xiě)。

　　R和P的中心對(duì)稱關(guān)系，沒(méi)說(shuō)明。

　　tan∠PQR的表達(dá)式從哪來(lái)的，也一步跳過(guò)去了。

　　但真把榜單拉開(kāi)的，還得是可怕的19題壓軸題。

　　這是一道函數(shù)新題型，定義了一個(gè)集合D(x)，最后要你證明f(x)在(0,+∞)上單調(diào)遞增。

　　這種題頭疼的地方在于，證明鏈每一環(huán)都必須閉合。

　　要先證x>0時(shí)f(x)≤0，再證任意正增量d都屬于D(x0)，少一環(huán)，整個(gè)證明就是斷的。

　　13個(gè)模型，沒(méi)有一家在Q19拿到滿分。

　　最好的GPT-5.5，也在最后一問(wèn)的迭代證明里跳了步，扣2分。

　　GLM 5.1出乎意料的除了證明以外的全做對(duì)了

　　Opus 4.8, Deepseek, gemini為首的7個(gè)模型因?yàn)榇鸢覆煌暾y(tǒng)一的都被扣了7分。

　　而另外四個(gè)模型，也在概述想法或者方向錯(cuò)誤上只拿了6分了。

　　打分過(guò)程中有個(gè)細(xì)節(jié)我印象深刻。

　　Opus 4.8做到第3問(wèn)后半段，直接在卷面上承認(rèn)，這里的嚴(yán)格證明它完成不了。

　　雖然扣了7分。但我反而感受到了真誠(chéng)。。。

　　比起那些寫(xiě)一堆顯然，同理可證然后糊弄過(guò)去的，至少它清楚自己證沒(méi)證出來(lái)。

　　看到了好多模型都出現(xiàn)的幻覺(jué)，真實(shí)的承認(rèn)在這一刻顯得更有價(jià)值。

　　很多模型能猜對(duì)結(jié)論，能給思路，能把數(shù)算對(duì)。

　　但感覺(jué)說(shuō)的對(duì)和寫(xiě)出一份挑不出毛病的證明，是兩件事。

　　高考閱卷從來(lái)不看你悟沒(méi)悟，

　　只看你寫(xiě)沒(méi)寫(xiě)，以及正不正確。

　　最后放個(gè)花絮，

　　上次測(cè)完之后，大家很好奇每一個(gè)模型運(yùn)行的時(shí)間，所以這次我們也統(tǒng)計(jì)下來(lái)了，

　　Grok 4.3整份卷子1分鐘做完，快速的拿了全場(chǎng)倒數(shù)134分。

　　豆包，Opus, Deepseek等很多也都證明了答案只是時(shí)間問(wèn)題，都會(huì)做但就是差那一兩分鐘。

　　Qwen 3.7-Max磨了15分鐘的分?jǐn)?shù)跟Minimax m3離譜的2分鐘，竟然都是138分的并列。

　　后來(lái)理解了，和人類考生一模一樣。

　　每個(gè)班都有那種刷題賊快的同學(xué)，也都有大題永遠(yuǎn)「會(huì)做但寫(xiě)不全」的同學(xué)。

　　老師天天追在后面念，步驟分，步驟分。有的成功聽(tīng)進(jìn)去了持續(xù)進(jìn)步，但有的還是選擇安于現(xiàn)狀平平靜靜。

　　AI就走到了現(xiàn)今這階段，數(shù)學(xué)能力已經(jīng)十分頂了，離應(yīng)試規(guī)范還差一口氣。

　　區(qū)別在于，學(xué)生改掉一個(gè)毛病要練三年，但模型可能下個(gè)版本就改掉了。

　　今年沒(méi)人能在最終的加強(qiáng)版規(guī)則打分下滿分。

　　明年我們接著測(cè)，還是這套規(guī)矩，干凈的題面，嚴(yán)格的口徑，新的模型。

　　我挺想看看，

　　第一個(gè)能把證明鏈完整閉合的，

　　會(huì)是誰(shuí)。

　　@ 作者 / 卡爾 & yc星辰