看好了，这才是7家大模型做高考数学题的真实分数。

正文

请到「今天看啥」查看全文

4. 单题计分方法也依照高考判分原则：单选题7道，每道5分，选项正确计分，错误不得分；多选题3道，每道6分，全对计6分，漏选按正确答案数量计分，如答案为ABCD，漏选其一扣1.5分，错选不得分；填空题3道，每道5分，填空正确计分，错误不得分。

5. 每道题都会使用大模型跑3遍，根据正确比例进行分配，最大程度减少幻觉。比如OpenAI o3模型，做单选题第7题，对2次，错1次，则实际得分为5*0.66=3.3分。

6. 只开推理、不使用Prompt引导、不开联网、不允许写代码在沙盒进行计算，比如o3，我直接把这几个功能关掉了。

以上，就是全部规则了。

接下来，请我们的模型考生入场。

测试模型为 OpenAI o3、Gemini 2.5 pro、DeepSeek R1 、豆包（ 1.5-thinking-pro） 、元宝（混元T1）、千问3（235B）、讯飞星火X1， 均为推理模型。

在晚上凌晨2点开始测试，因为搞API写脚本反而可能更麻烦，所以直接搞了个表格，复制粘贴测了，以至于喊了我的几个好朋友@卡尔的AI沃兹、@Max、@猫先生 一起测，硬生生测到凌晨4点。

7道单选题、3道多选题、3道填空题，总分一共68分。

我们得出了，我认为，非常公平客观的，每个模型的考试结果。

没有收任何家钱，也没有任何利益关系，全部客观公正。

请到「今天看啥」查看全文