从 【马上公布结果】佬们觉得哪个AI高考数学肯定能考满分？ 以及 新高考数学一卷出炉，测测哪些 AI 有实力 继续讨论

本次测试为一次性全部发送，看模型能答多少分

叠甲：

• 
  

  问 1：
  
  为什么不是一个一个题发送?
  
  答 1：
  
  因为现在的模型都太强大了，先用这个方式来测试，后续再继续测试，一个一个题发送，写另一个排行榜。另外还可以针对这个排行榜里面做错的题，对各个模型进行多次的询问，取最差结果。
  
  我 GPT OSS 120b 和 GPT OSS 20b 是用的一个一个题问的方式（新开对话）
  
  

  
  


• 
  

  问 2：
  
  为什么国产模型只测了Qwen 3.7 Max？为什么国外模型没测 Muse Spark、Grok？为什么 Claude 4.8 Opus 只测了一次？
  
  答 2：
  
  测了 Qwen 3.7 Max 是因为千问官网太好了，20 分钟思考不截断，而且一点都不卡，比 GPT 网页版还好！
  
  没测 Kimi 是因为我没有 API 和官网会员
  
  没测小米是因为，我忘了Xiaomi Mimo Studio，对不起^-^会补上的
  
  没测 Deepseek 是因为我没有 API，官网又不是 max 思考强度，所以对他不公平
  
  没测 GLM 5.1 是因为我没有 API，用官网也不行，因为思维链太长了官网截断了
  
  没测 Muse Spark 是因为我没有 API，用官网也不行，因为思维链太长了官网截断了
  
  没测 Grok 是因为我没有 API，用官网也不行，因为思维链太长了官网截断了
  
  Claude 4.8 Opus 只测了一次是因为我完全没钱，感谢 @Nobody_233 佬帮忙测试一次（官网 max thinking）

  
  

测试流程：

• 
  

  新高考一卷校正版【来源】：exam_full.txt (6.9 KB)

  
  


• 
  

  一次性发测试时使用的prompt：exam_prompt.txt (7.1 KB)

  
  


• 
  

  各模型各run的原始输出：（公平公正公开，大家可以帮忙检查过程，纠错）exam_source_public.zip (144.8 KB)

  
  

评分流程

1. 客观题（1-14 题）（单选、多选、填空）
   
   Grok Build CLI - Composer 2.5 直接打分


2. 主观题简单题（15-18 题）
   
   15-18 题为一组，每次发 1-8 组，双 GPT 5.5 Pro 评分，有争议则互评


3. 主观题困难题（19 题）
   
   19 题单独为一组，每次发 1-5 组，双 GPT 5.5 Pro 评分，有争议则互评
   
   （特别感谢 @fsmallcold 拉我上 Pro 车，抱歉今天刷 5.5 Pro 刷得都降智了^-^）

测评结果（截至目前）

1. 按最高分排序

满分 150；每错一小问扣 4 分。分数为各次 run 的最低–最高；排序按最高分，同分按最低分。

2. 按最低分排序

满分 150；每错一小问扣 4 分。分数为各次 run 的最低–最高；排序按最低分，同分按最高分。

3. 详细榜

markdown版

小题	Claude Opus 4.8	Gemini 3.1 Pro extended	Gemini 3.5 Flash	Gemini DeepThink	GPT 5.2 Pro extended	GPT 5.2 heavy	GPT 5.4 heavy	GPT 5.5 heavy	Qwen 3.7 Max
得分	146	142、146、146	142、142、142	150、146、150	146、150、146	146、146、146	150、146、146	150、150、150、150	142、146、138
1								^-^^-^^-^^-^
2								^-^^-^^-^^-^
3								^-^^-^^-^^-^
4								^-^^-^^-^^-^
5								^-^^-^^-^^-^
6								^-^^-^^-^^-^
7								^-^^-^^-^^-^
8								^-^^-^^-^^-^
9								^-^^-^^-^^-^
10								^-^^-^^-^^-^
11								^-^^-^^-^^-^
12								^-^^-^^-^^-^
13(θ)								^-^^-^^-^^-^
13(f(2π/3))								^-^^-^^-^^-^
14								^-^^-^^-^^-^
15(1)								^-^^-^^-^^-^
15(2)								^-^^-^^-^^-^
16(1)								^-^^-^^-^^-^
16(2)								^-^^-^^-^^-^
17(1)								^-^^-^^-^^-^
17(2)(i)								^-^^-^^-^^-^
17(2)(ii)								^-^^-^^-^^-^
18(1)								^-^^-^^-^^-^
18(2)(i)								^-^^-^^-^^-^
18(2)(ii)								^-^^-^^-^^-^
19(1)								^-^^-^^-^^-^
19(2)								^-^^-^^-^^-^
19(3)(i)								^-^^-^^-^^-^
19(3)(ii)								^-^^-^^-^^-^
得分	146	142、146、146	142、142、142	150、146、150	146、150、146	146、146、146	150、146、146	150、150、150、150	142、146、138

4. 分数-时长 图（将就着看吧^-^）
   
   

用时

格式：mm:ss；估计区间用 mm:ss–mm:ss；超过 59 分用 H:mm:ss。

点评：

编辑 ing…