国产大模型考研数学成绩大揭秘：两家破百，智力水平飞速提升！

其他 2025年01月01日 22:37 2.5K+ 金融快讯

2024年即将结束，国产大模型在这一年的智力水平提升令人瞩目。本文以2025年考研数学三试卷为测试基准，对字节豆包、阿里通义、智谱、Kimi和DeepSeek五大国产大模型的数学解题能力进行了评估。

六个月前，高考数学测试中，大模型的成绩惨不忍睹，鲜有及格。然而，随着Open AI的o1推理模型以及思维链（Chain of Thought）技术的应用，国产大模型在数理化领域的解题能力得到了显著提升。

本次测试中，我们为每个模型提供了22道考研数学三试题，每题两次作答机会，取平均分作为最终成绩。测试中，我们使用了各模型的最新版本，并采用相同的图片和文字提示，以确保测试的公平性。

测试结果令人惊喜：Kimi视觉思考版以133分拔得头筹，DeepSeek紧随其后，获得103.5分。阿里通义也以90分顺利及格。字节豆包和智谱清言则分别获得88.5分，接近及格线。相比六月份的高考数学成绩，所有模型都有了显著进步，Kimi和DeepSeek的进步尤为明显。

解题风格差异：除了最终分数，解题过程也展现了不同模型的能力差异。部分模型（如Kimi视觉思考版）提供详细的推导步骤和解题思路，具有较高的参考价值；而另一些模型（如字节豆包）则仅给出简略的答案，缺乏详细的解题过程。智谱清言在部分题目上表现欠佳，出现错误或无法作答的情况。阿里通义和DeepSeek的解题步骤相对简略，但都能给出正确答案。

不同题型下的表现：在难度较低的题目中，大部分模型都能给出正确答案，但在难度较高的题目上，模型间的差距便会显现。例如，在一道定积分题目中，Kimi视觉思考版表现稳定，提供了完整的推导过程和验算；而DeepSeek则出现了无法作答或陷入死循环的情况。

总结：虽然国产大模型在解决研究生级别数学题上仍存在不足，但与几个月前相比，其逻辑思维和数理化解题能力已有了显著提升。这标志着大模型在科研等领域应用的潜力正在不断释放。未来，随着大模型能力的持续增强，它们将成为科研工作者得力的助手，并可能在推动科学进步方面发挥重要作用。