去年，“9.11和9.9谁大？”这一简单的数学题曾难倒了多家大模型。到了今年，大模型的理科能力提升如何？

今日网易有道发布了一则视频，6位清华姚班学生与AI比赛做高考压轴题。清华姚班为图灵奖得主姚期智院士创办，汇聚了数学、物理、信息学竞赛金牌得主。

姚班学生和AI竞速的两道题分别为2023年高考数学全国一卷压轴题和2021年高考物理江苏卷压轴题。姚班学生在10分钟内完成了作答，仅有1位同学做错了题目，AI答疑笔则在输入确认后几秒就开始输出步骤，并答对了题目。

对于AI的回答，一位姚班学生认为AI做题思路与其一致，步骤更加清晰，相较于传统的答案更有利于学生理解解题思路。

可以对比的是，去年高考结束后，有机构让包括GPT-4o、豆包、文心4.0在内的9家大模型尝试河南的高考卷，并以河南的分数线评判，最终有4家大模型在文科高考中达到河南的一本线，但没有大模型的理科分数达到河南省一本线。

有道相关负责人对记者表示，今年以来AI进展迅速，尤其是DeepSeek-R1带来了推理模型大爆发，而大模型推理能力和交互能力在教育场景的适配性非常高，能够逐步解决个性化教学和答疑的需求，而且提供的指导和答疑质量越来越高，所以选择与高考顶尖学霸进行同题测试，用一种直接明了的方式向大众展示AI大模型能力的提升。

在题型选择上，主要基于难度和认知度的考量，上述负责人表示，“因为大家对高考的难度都是有概念的，尤其是这种高难度的理科压轴题，容易引起关注，也能直观展示效果。”

上述人士透露，前段时间还做了北京最新高考二模（题库数据里没有的新题）的挑战。AI答题后由老师进行批改，分数为697分（总分750分），达到“清北”水平。“毕竟去年AI集体做24年高考题的时候理科几乎全军覆灭。”

过去一年时间，不少大模型公司将数学能力作为大模型的能力体现。OpenAI在介绍OpenAI o3-mini时表示，OpenAI o3‑mini 的高推理能力在 FrontierMath 上的表现优于其前辈。在 FrontierMath 上，当被要求使用 Python 工具时，具有高推理能力的 o3‑mini 首次尝试即可解决超过 32% 的问题，其中包括超过 28% 的挑战性 (T3) 问题。FrontierMath是由Epoch AI联合60余位全世界的数学家共同推出了全新的数学基准，其原创的数学问题对于专业数学家而言仍需数小时甚至数日解决。不过，OpenAI公布的成绩后续曾遭到质疑。

此前谷歌宣布推出了基于强化学习的数学推理系统 AlphaProof，以及几何求解系统的改进版 AlphaGeometry 2。谷歌表示这两款系统共同解决了2024年国际数学奥林匹克(IMO) 六道题目中的四道，首次达到了与银牌得主相当的水平。

今年4月29日，阿里巴巴发布新一代通义千问模型Qwen3。据了解，在奥数水平的AIME25测评中，千问3斩获81.5分，刷新开源纪录。

艾媒咨询发布的《2024年人工智能+教育行业发展研究报告》指出，2023至2027年在线教育市场的AI贡献率预计从7%提升至16%左右。

举报 第一财经广告合作，请点击这里此内容为第一财经原创，著作权归第一财经所有。未经第一财经书面授权，不得以任何方式加以使用，包括转载、摘编、复制或建立镜像。第一财经保留追究侵权者法律责任的权利。如需获得授权请联系第一财经版权部：banquan@yicai.com 文章作者

陆涵之

相关阅读 AI进化速递 | OpenAI宣布付费商业用户达300万

荣耀发布多个机器人相关岗位招聘计划；OpenAI宣布付费商业用户达300万；亚马逊准备测试人形机器人用于递送包裹。

70 06-05 20:42 当消费遇上AI｜售气利润下行、安全监管趋严，AI浪潮下城燃企业如何破局

当传统售气业务模式因气价波动、需求萎缩而陷入增长泥潭时，AI正成为城燃企业降本增效、开拓新市场的关键。

607 06-01 00:49 研究生招生7年增长近7成，超4成双一流高校本科生深造率过半

2017年我国研究生招生80.61万人，7年来，我国研究生招生增幅达到68.3%。2024年全年我国研究生教育招生135.7万人。

10 461 05-31 20:00 复旦中山“观心”AI模型正式版发布，葛均波数字医生亮相东方会

在东方会开幕式上，中山医院心内科的AI心血管“观心”模型的正式版本发布。

88 05-30 10:15 复旦六大新工科学院招生占比近30%，高校人才培养瞄准哪些重点

近年来，实用性较强的工科专业成为高考报考热门，就业热度也居高不下。

258 05-28 14:44 一财最热 点击关闭