中国经济样本观察·“镇”了不起｜“内衣小镇”织出500亿元“里子产业”

2025年高考大幕虽已落下，但关于数学科目难度的讨论(tǎolùn)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(jīnnián)的全国(quánguó)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等十款AI推理大(dà)模型进行了测评，以检验(jiǎnyàn)当今(dāngjīn)主流AI推理大模型的数学能力。

测评结果显示(jiéguǒxiǎnshì)，国产大(dà)模型DeepSeek-R1与腾讯混元T1以零(líng)错误并列榜首。而被马斯克称为“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(qījiān)”为由拒绝对包含试题(shìtí)的图片进行识别和解答。

为了让所有参评大模型站在同一起跑线，测评移除了试卷中所有需要(xūyào)分析图形(túxíng)和图表的题目，形成一份有效总分为(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(xiànzhì)的推理模型(tuīlǐmóxíng)，仍将以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水平。

扣分标准上，每经记者在选择题(tí)和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(défēn)，不对过程(guòchéng)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(fǎnyìng)单次测试的结果。

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(fēn)试卷(shìjuàn)测试中，DeepSeek-R1与腾讯混元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(yú)DeepSeek-R1与腾讯混元T1这两款大模型，讯飞星火X1多错了(le)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，该模型的推理过程没有(méiyǒu)问题，认为“2”和“-2”都满足(mǎnzú)题目条件，但陷入自我怀疑，最终只给出了答案“2”。

讯飞(fēi)星火X1的推理过程

其他(qítā)得分(fēn)超过100分的还有(háiyǒu)Gemini 2.5 Pro（109分）、o3（107分）、阿里千问(qiānwèn)Qwen3（106分）和豆包深度思考(sīkǎo)模式（104分）。在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“滑铁卢”，排名倒数(dàoshǔ)第三

在(zài)本次参评的所有AI推理大模型(móxíng)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(jìyǔhòuwàng)，被认为是最有潜力挑战GPT和Gemini霸主地位的(de)“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)(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(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(shēnrùfēnxī)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，即使在记者提示题目为多选题(duōxuǎntí)的(de)情况下，Grok 3也(yě)“顽固”地只给出一个它认为的最优解，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(zài)117分试卷的测试中得分为78分。

实际上，该模型在多道题目的推理过程中都(dōu)找到了(le)正确答案，但是往往会在最后一步(yībù)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。

智谱清言推理模式解答过程(guòchéng)截图

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

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