北京
事情是醬的。
幾天前發了一篇13個AI做2026高考數學全國一卷的測試，也得到了許多關注。
但后臺有幾位數學老師留言以及給我們提意見，關注到幾道題的題面好像不太對勁以及對于模型的選擇有問題。
我們回去全看了一遍，
第一次測試的題目，有一部分是從截圖或PDF轉LaTeX來的。轉的過程中，有些上標掉了，或者根號位置歪了，還有的選項條件解釋跟原卷有細微出入等等等。
對于離開高數有點久的我來說，一開始確實是沒找出毛病。
數學和模型都是，對輸入的敏感程度超出想象。
從第一步就被帶進溝里，后面推得越認真，只會讓他錯得越遠。
所以這一次，我們來個針對性復測。
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，評分口徑，都和數學老師逐題過了一遍。然后讓13個模型重新作答。
所有模型都在全新對話里，一樣的不聯網，不查資料，不調用任何外部工具，只按高考答題標準輸出完整過程。
還是統一說一下這次的所有模型，claude，deepseek，gemini，minimax，kimi，gpt，qwen，grok，glm，豆包，混元
為了確保最終考場一致性，以Openrouter相同API為主，加上了來自火山引擎的豆包和騰訊的混元進行參與（主要是這兩個沒有在openrouter上有提供）。
同一份Prompt也盡可能的做到了同一個API。并且開了同樣的 high thinking模式。
評分模式也嚴格按高考的來。單選只看最終選項，多選全對6分，只對一部分3分，如果錯了還會扣分。
解答題逐題核對結論，關鍵推導和證明完整性，只寫可推出，證明見上的模型，一律按缺步驟扣分。
話不多說直接看最終成績。
13個模型對錯排行如下
13個模型，平均分居然高達139.4。
什么概念？隨便拉到一個考場里，全是年級前排的水平。
且這次復測最大的發現，真不是誰是第一。
是當題面，公式，條件足夠干凈的時候，模型的最終答案能力，已經接近到沒法用客觀題區分了。
8道單選，13個模型，全對。
3道多選，除了Q11翻了兩家，其余全對。
3道填空，全對。
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。。。
也人工真實核了一遍。但真的沒錯，就是綠的。。。
那問題來了，既然大家前面都對，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點。正確答案BCD，而GLM 5.1和Hy3都選了ABCD，多勾了一個A。按高考多選規則，含錯選就是0分，6分被直接清零。
如同上次一樣，多選題依舊是AI的事故高發區。
選項A之前我們也分析了，成立的條件很微妙，看起來也挺對。
然后是Q18，解析幾何。
大部分模型的最終答案都是對的，橢圓方程對，直線方程對，最小值4√3也對。
但是吧，按照閱卷標準去摳過程，毛病就全出來了。
面積比是怎么轉化成線段關系的，沒寫。
R和P的中心對稱關系，沒說明。
tan∠PQR的表達式從哪來的，也一步跳過去了。
但真把榜單拉開的，還得是可怕的19題壓軸題。
這是一道函數新題型，定義了一個集合D(x)，最后要你證明f(x)在(0,+∞)上單調遞增。
這種題頭疼的地方在于，證明鏈每一環都必須閉合。
要先證x>0時f(x)≤0，再證任意正增量d都屬于D(x0)，少一環，整個證明就是斷的。
13個模型，沒有一家在Q19拿到滿分。
最好的GPT-5.5，也在最后一問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了
Opus 4.8, Deepseek, gemini為首的7個模型因為答案不完整，統一的都被扣了7分。
而另外四個模型，也在概述想法或者方向錯誤上只拿了6分了。
打分過程中有個細節我印象深刻。
Opus 4.8做到第3問后半段，直接在卷面上承認，這里的嚴格證明它完成不了。
雖然扣了7分。但我反而感受到了真誠。。。
比起那些寫一堆顯然，同理可證然后糊弄過去的，至少它清楚自己證沒證出來。
看到了好多模型都出現的幻覺，真實的承認在這一刻顯得更有價值。
很多模型能猜對結論，能給思路，能把數算對。
但感覺說的對和寫出一份挑不出毛病的證明，是兩件事。
高考閱卷從來不看你悟沒悟，
只看你寫沒寫，以及正不正確。
最后放個花絮，
上次測完之后，大家很好奇每一個模型運行的時間，所以這次我們也統計下來了，
Grok 4.3整份卷子1分鐘做完，快速的拿了全場倒數134分。
豆包，Opus, Deepseek等很多也都證明了答案只是時間問題，都會做但就是差那一兩分鐘。
Qwen 3.7-Max磨了15分鐘的分數跟Minimax m3離譜的2分鐘，竟然都是138分的并列。
后來理解了，和人類考生一模一樣。
每個班都有那種刷題賊快的同學，也都有大題永遠「會做但寫不全」的同學。
老師天天追在后面念，步驟分，步驟分。有的成功聽進去了持續進步，但有的還是選擇安于現狀平平靜靜。
AI就走到了現今這階段，數學能力已經十分頂了，離應試規范還差一口氣。
區別在于，學生改掉一個毛病要練三年，但模型可能下個版本就改掉了。
今年沒人能在最終的加強版規則打分下滿分。
明年我們接著測，還是這套規矩，干凈的題面，嚴格的口徑，新的模型。
我挺想看看，
第一個能把證明鏈完整閉合的，
會是誰。
@ 作者 / 卡爾 & yc星辰
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
