大模型高考數學真實水平曝光：最後一題全體_風聞

　　還記得你高考時被數學最後幾道大題支配的恐懼嗎？今天，知危編輯部想讓各個 AI 大模型也嚐嚐滋味。

　　這並不是整活兒，大模型在推理上天天高呼 “ 取代程序員 ”、“ 取代人類科學家 ”，那從實際層面，它們真的有那麼強嗎？他們能贏得過大學生最巔峯狀態 —— 高考時的狀態嗎？

　　知危通過 2025 年高考數學全國捲一捲的最後 5 道解答題（ 總分 77 分 ），對當前主流大語言模型的數學推理能力進行了系統性評測。

　　測試題目涵蓋了統計學、數列、立體幾何、解析幾何和三角函數等多個數學領域，對於考察模型在概率計算、證明推理、空間幾何分析、參數優化等方面的表現，能提供一些線索。

　　另外，關於推理模型的有趣特性，也通過答題有所展現。

　　本次參與評測的模型包括：Gemini 2.5 Pro Preview、智譜Z1、豆包1.5、Claude 4 Sonnet、Qwen3-235B-A22B、DeepSeek R1、Kimi K1.5、騰訊T1、文心X1、GPT-4o 和 o3 等 11 個主流大語言模型。評測採用百分制打分，重點關注計算準確性、邏輯嚴謹性和解題思路的完整性。

　　為防止模型解題卡在讀圖這一非核心能力上，知危把所有題目都轉換成了 LaTeX 格式（ 一種適用於數學公式的排版格式 ），一些帶圖的題目，其實圖片也不是必須的，後面會詳細説明。

　　這是知危得到的評測結果概況：

　　總體表現：Gemini 2.5 Pro Preview 以 75 分位居第一，智譜 Z1（ 67 分 ）和豆包 1.5（ 62 分 ）緊隨其後；

　　推理特色：DeepSeek R1在思維鏈細節方面表現突出；

　　普遍短板：最後一道綜合性三角函數題成為各模型的 " 滑鐵盧 “，僅 Gemini 2.5 Pro Preview 給出了相對完整的解答；

　　通過對各模型思維鏈的深度分析，本文揭示了不同模型在數學推理方面的獨特特點、常見錯誤模式，以及在面對複雜數學問題時的思維策略差異。

　　對了，友情提示一下各位，不喜歡數學的可以只看每道題開頭的結果表格，或是直接拉到文末看總結哦

　　第 15 題

　　真題：

　　LaTeX 格式：

　　為研究某疾病與超聲波檢查結果的關係,從做過超聲波檢查的人羣中隨機調查了 1000 人,得到如圖中的聯表:

　　(1)記超聲波檢查結果不正常者患該疾病的概率為 P,求 P 的值;

　　(2)根據小概率值 \alpha =0.001 的獨立性檢驗,分析超聲波檢查結果是否與患該疾病有關。

　　附: χ² =\frac {n(ad-bc)^{2}}{(a+b)(c+d)(a+c)(b+d)}, \frac {p(x=2,k)}{k} =0.821 6.635 10.828

　　（ 一個細節：題目要配合表格一起輸入，但 DeepSeek R1 沒有 OCR 或多模態能力，剛好 Qwen3-235B-A22B 在輸出中將表格用文本的形式表示了，所以我們就順道複製到 DeepSeek R1 的輸入之中了。）

　　注：我們保留了 LaTeX 公示的表達，看起來抽象，但方便你感興趣的話可以複製測試，以下幾題同理。

　　測試結果：

　　這道題主要考查的是列聯表分析中的獨立性檢驗和條件概率的計算，屬於高中統計與概率模塊的內容。

　　第一小題比較容易，所有模型都答對了。

　　第二小題需要套用題目中給出的卡方統計量的公式，只要具備相關概念的知識，也能順利做出來，大部分模型也都答對了。

　　除了 Kimi K1.5 和文心 X1，它們都把最後的卡方統計量算錯了，正確值是 χ² =765.625，而它們計算出來的值是 761.25，雖然不影響最後的結論，但這個錯誤因為過於低級讓人驚訝。

　　從思維鏈中追溯，發現 Kimi K1.5 的錯誤是：第一次算出 400 - 140,400 = -139,600，而實際上是 -140,000，最後算出卡方統計量是 760.5，隨後三次因為這個值過大，重新進行了計算，但都算成了 761.25，並接受了這個答案。文心 X1 在執行時直接跳過了深度思考，在解答輸出中也沒有線索，所以錯誤無法追溯。

　　很多模型在第一次計算後都會因數值太大而產生質疑，會決定重新計算三次左右，比如豆包 1.5、Qwen3-235B-A22B、智譜 Z1 等。

　　還有的模型會再採用通用公式來算，比如 Qwen3-235B-A22B、DeepSeek R1：

　　DeepSeek R1 的回答簡直是細節狂魔，不僅思維鏈長度 7000 字之長（ 僅次於Kimi K1.5 ），對數值計算做了過多不必要的摳細節，比如把乘法一步一步算給你看中間結果，除法一步一步給你看怎麼約分，甚至算到 χ² = (49/64) × 1000 之後，還在糾結如何把 64 做拆分使得計算更簡便。當然，這不全是缺點，優點會在之後的題目中體現。

　　實際上，最難能可貴的是，Claude 4 Sonnet 在結果中提及了對卡方統計值如此之大的合理解釋 —— 患病者中 90% 的人超聲波檢查不正常，而未患病者中只有 2.5% 的人超聲波檢查不正常，兩者差異極其顯著，也能直觀上説明超聲波檢查結果與患該疾病相關性極大。Qwen3-235B-A22B 和智譜 Z1 也並給出了類似的合理解釋。這種能力雖然對做題拿分沒什麼幫助，但對開放性研究的數據分析是有意義的。相比之下，騰訊 T1 倒是最為乾脆，沒有對卡方統計量很大表示質疑，也沒給出解釋，給出答案就結束了。

　　最後，o3 和 Gemini 2.5 Pro Preview 的思維鏈摘要中沒有關於如何任何思考的線索，這是個大槽點。

　　本題的評分結果，Kimi K1.5 和文心 X1 各扣 2 分，其它模型滿分。

　　第 16 題

　　真題：

　　LaTeX格式：

　　已知數列a_ {n}中, a_ {1}=3, \frac {a_ {n+1}}{n}=\frac {a_ {n}}{n+1}+ \frac {1}{n(n+1)}.

　　(1)證明:數列{  na_ {n}  }是等差數列;

　　(2)給定正整數m,設函數f(x)=a_ {1}x+a_ {2}x^ {2}+\cdots+a_ {m}x^ {m} ,求f’(2).

　　（ 注意，第 2 小題因真題信息源的偏差，把 f’(-2) 改為了 f’(2)，但無大礙。）

　　測試結果：

　　這一題幾乎所有模型都完美的做出來了。但通過對思維鏈的分析，還是能看出各自的特點。

　　第一小題沒什麼好説的。對於第二小題，主要難點在於處理兩個有限級數的值，以下是 o3 給出的，基於數列的通項將 f(x) 和導數展開為一個有限調和級數和一個有限幾何級數。

　　GPT-4o 對於較難的有限調和級數部分直接給出了一個求和公式來求解。

　　不僅是 GPT-4o，豆包 1.5、Qwen3-235B-A22B、DeepSeek R1、Kimi K1.5、文心 X1、騰訊 T1 都採用了這個公式來計算。

　　當然這個公式可能有些超綱，一般高中階段會用錯位相減法這種更巧妙的方法來解。比如，文心X1、騰訊T1除了公式法，也都使用了錯位相減法。

　　比如騰訊T1給出的：

　　一些模型包括豆包 1.5、Kimi K1.5、DeepSeek R1 都會在計算完成後將一些數值代入進行驗證，這是個很好的習慣。

　　Qwen3-235B-A22B 可以自定義預算 token，展現了比較特別的行為。比如達到預算 token 都會立刻停止，但 1024token 預算不能完成推理，2048token 預算能完成推理，但無論是否推理完，都能得到正確答案。

　　若推理完成，Qwen3-235B-A22B 會在思維鏈中寫下公式，並在回答中使用。

　　如果沒有推理完，則會直接給出套用公式計算之後的結果，卻沒出現公式。

　　DeepSeek R1 的整體思維鏈比較複雜，但有其思考的深度。在求解第 2 小題時，DeepSeek R1 甚至把較難的有限調和級數用求導法推導出了公式。

　　一開始比較依賴變量推理，後來發現代入底數 2 計算會更加方便，這裏耽誤了比較大的時間，Kimi K1.5 也是類似的做法。但 DeepSeek R1 在原函數與導數之間靈活變化的做法值得借鑑。比如幾何級數的和更容易計算，就先計算再求導，調和級數的和更難計算，就先求導變為幾何級數再求和。

　　值得關注的一個細節是，文心 X1 在推導中使用了奇怪的記號：S = 12^0 + 22^1 + 32^2 + … + m2^{m-1}，兩個相乘的數字中間沒有乘號，Kimi K1.5 中也出現了相同的記號。相比之下，騰訊 T1 使用的記號倒是很標準：S = 1 * 2^0 + 2 * 2^1 + 3 * 2^2 + … + m2^(m-1)。

　　Claude 4 Sonnet 直接給出瞭解法，沒毛病也沒亮點。最後再吐槽一次，o3、Gemini 2.5 Pro Preview 的思維鏈摘要沒有關於解法的信息。

　　第 17 題

　　真題：

　　LaTeX 格式：

　　如圖所示的四稜錐P-ABCD中,PA\bot平面ABCD,BC/\!/AD,AB\bot AD.

　　(1)證明:平面PAB\bot平面PAD;

　　(2)若PA=AB=\sqrt {2},AD= \sqrt {3}+1,BC=2,P,B,C,D在同一個球面上,設該球面的球心為O.

　　(i)證明:O在平面ABCD上;

　　(ii)求直線AC與直線PO所成角的餘弦值.

　　（ 這裏再提示一次，由於DeepSeek R1沒有OCR或多模態能力，因此這道題直接以文本形式提供給DeepSeek R1，其它模型因特殊時期暫時無法使用讀圖功能的也是如此處理，因為就算不提供圖片，文字也能完整表達題意。）

　　測試結果為：

　　這一次，除了 GPT-4o 和文心 X1，其它模型都答對了。

　　大部分模型都是採用很常規的解法，比如第一小題引用兩個平面垂直的判定法則來求解，第二小題基於座標法來求解。

　　對於第一小題，GPT-4o 參考的關於兩個平面垂直的判定原則是對的，但用錯了對象，應該以 AB 為推理線索，而不是 PA，證明 AB 垂直於 PAD 上兩條不共線的直線。

　　而在求解第 2 小題第一部分，GPT-4o 的這一段推導基本屬於胡説八道：

　　後續雖然使用了座標法來計算 O 的座標，以及直線 AC 與直線 PO 所成角的餘弦值，但都算錯了。

　　文心 X1 類似，使用座標法計算 O 的座標時也算錯了，自然直線 AC 與直線 PO 所成角的餘弦值也會算錯。

　　DeepSeek R1 又一次展示了不一樣的思維方式，推理過程習慣一步一步走，而不是把所有方程集合起來解，就顯得很冗長，在數值驗證上也耗費了不少時間。

　　第 18 題

　　真題：

　　LaTeX 格式：

　　設橢圓C: \frac{x^{2}}{a^{2}}+\frac{y^{2}}{b^{2}}=1 (a>b>0)的離心率為\frac{2 \sqrt{2}}{3}，下頂點為A，右頂點為B，|AB|=\sqrt{10}。

　　(1) 求C的方程；

　　(2) 已知動點P不在y軸上，點R在射線AP上，且|AP||AR|=3。

　　(i) 設點P(m,n)，求R的座標（用m,n表示）；

　　(ii) 設O為座標原點，Q是C上的動點，直線OR的斜率是直線OP的斜率的 3 倍，求|PQ|的最大值。

　　測試結果：

　　這一道題翻車的就多了，而且出錯的方式五花八門。只有 Gemini 2.5 Pro Preview、豆包 1.5、文心 X1、智譜 Z1 全對，其它全部栽在第 2 小題第二部分。

　　Gemini 2.5 Pro Preview 抓住瞭解題的關鍵點：PQ 的最大距離應該等於圓心到橢圓上點的最大距離加上圓的半徑。豆包 1.5 則闡述了這個關鍵點背後更本質的邏輯： | PQ|≤|PO| + |OQ|。意識到這一點之後，通過參數化方法求解 P 的軌跡即圓的圓心到橢圓C的最大值即可。

　　在思維鏈部分，豆包 1.5 嘗試過純參數法（ 不借助圓心，直接用參數表示 PQ 距離 ），因為過於複雜而放棄。對正確答案有過懷疑和猶豫，但次數不多，最後並沒有找到好的辦法來驗證。

　　文心 X1 在 Q 和 P、R 是否有關係這個問題上糾結了很久，並把 P 點的方程重複計算了多遍，在計算出 P 點方程後，要解決 PQ 之間距離時，由於要處理的變量太多而猶豫不前。關鍵點是意識到存在更簡便的方法，比如利用幾何性質或拉格朗日乘數法。用幾何法計算出正確結果後，懷疑了好多次，每次都用同樣的結論説服自己是正確的，但沒有任何信息增量。然後嘗試了拉格朗日乘數法，列出方程後就感覺太複雜直接放棄了，繼續糾結中。最後依靠一些心理暗示停止了思考。

　　智譜 Z1 得到了正確答案，一次用 y 做參數化，一次用 cosθ 做參數化，每一次都得到了正確的答案，但每一次驗證都失敗了。通過往前回溯也沒有找到合適的線索，導致猶豫不決，重複提問了自己好幾次。

　　接下來看看答錯的模型是怎麼做的。GPT-4o 計算點 P 方程時出現錯誤，自然不可能計算出正確的 PQ 值。Claude 4 Sonnet 也是類似的問題。

　　此外 GPT-4o 最大化 PQ 的邏輯並不嚴密，在使用代數法發現無法嚴格求解後，直接嘗試了數值試錯法來得出結論。o3 的錯誤更加離譜，一開始誤以為 Q 應該是 P 和橢圓的交點，即便後面意識到 P 和 R 的關係與 Q 無關，也沒有轉換思維。

　　Qwen3-235B-A22B 有意識到最大距離應該出現在兩圖形的最遠點之間，通過幾何分析找到不同思路，比如分析圓和橢圓的相對位置和重疊部分，但一直都在參數化和幾何方法之間猶豫不決，最後達到 token 預算（ 5120 token ），答案中的思路是對的，但計算出來的最大距離是錯誤的，並且缺乏論據，不知道錯在哪裏。

　　Kimi K1.5 也是在參數化方法和幾何方法之間猶豫，無法往前推進。參數化太複雜，幾何方法不夠嚴密。最後是通過 y 軸上的 PQ 距離計算，並加上幾個其它 PQ 實例的比較，下結論説 y 軸上的 PQ 是最大距離。但實際上，P 是不能在 y 軸上的。

　　騰訊 T1 嘗試了多種參數方法和拉格朗日乘數法、柯西不等式等，因複雜度較高而放棄，然後轉向幾何法。它也找到了解題的關鍵點：點 P 到 Q 的距離可以表示為 |PQ| = |OQ - OP| ≤ |OQ| + |OP|，當且僅當 O, P, Q 共線且 Q 在 OP 的延長線上時取等號，但需要 Q 在橢圓上，所以最大可能的 |PQ| 是 |OP| + 橢圓上離 O 最遠的點在 OP 方向上的距離。

　　它還有另一個新奇的思路：以橢圓中心為關鍵點，計算 P 到橢圓中心的距離 + 橢圓在該方向上的半長軸。

　　但這些思路都沒有被執行下去，最後走了容易計算 y 軸上的 PQ 值—— 5 + 3√2，雖然 P 不能在 y 軸上，但可以以無限靠近 y 軸的方式存在。

　　這個思路也被 DeepSeek R1 繼承了。DeepSeek R1 通過 y 軸上的一個 PQ 距離計算，並加上幾個其它 PQ 實例的比較，得到 y 軸上的 PQ 是最大距離。即便意識到 P 不在 y 軸上，也表示： P 不在 y 軸上，但可無限接近。

　　和文心 X1 一樣，DeepSeek R1 也糾結 Q 和 P、R 是否有關係。甚至自己改題目，推測 “ P ” 可能是一個筆誤，應為 “ Q ”，即 “ 直線 OR 的斜率是直線 OQ 的斜率的 3 倍 ”。

　　第 19 題

　　真題：

　　LaTeX 格式：

　　(1)求f(x)=5\cos x-\cos5x在[0,\frac {\pi }{4}]的最大值;

　　(2)給定\theta\in(0,\pi)和a\in R,證明:存在y \in [a-\theta ,a+\theta ],使得\cos y \leqslant \cos \theta ;

　　(3)若存在實數 \varphi ,使得對任意實數x,都有5 \cos x- \cos ( 5x+ \varphi ) \leqslant b,求b的最小值.

　　測試結果：

　　這一道題太慘烈了，特別對於第 3 小題，幾乎全軍覆沒，只有 Gemini 2.5 Pro Preview 在得到正確答案的同時，也提供了比較令人信服的邏輯，但也還不夠完整。其它模型要麼答錯，要麼理解錯題意，要麼借用第 1 小題的結果投機取巧湊出一個正確答案。

　　第 2 小題一般有反例法和反證法兩種，所以答案多樣性比較大，也是容易出錯的。

　　Gemini 2.5 Pro Preview 第一題採用常規解法，無需細説。第 2 小題，Gemini 2.5 Pro Preview 通過餘弦函數的區間單調性，找到了滿足 cos x>cos θ 的區間：

　　然後通過反證法，證明如果假設成立，y 的區間不可能被包含在上述區間內，得出矛盾，從而得證。

　　第 3 小題，Gemini 2.5 Pro Preview 使用導數法求駐點，獲得了正確的最小值。

　　思路是合理的，但實際上在最後下結論之前，缺乏對 φ 如何影響 x 的駐點有效取值的分析（ 在任意的 k 值下 ），結論仍然是不嚴密的。

　　但總體而言，Gemini 2.5 Pro Preview給出了最嚴謹的分析過程，甚至知危在網絡參考答案中暫時還沒找到比這個更好的。不過，其推理思維鏈摘要沒有找到特別有用或清晰的線索。

　　整體上，GPT-4o 是錯得最離譜的，直接零分。

　　GPT-4o 第一小題只計算了端點的值，得到了暫時的最大值，而對於導數的求解，選擇不執行，並給出了很荒唐的理由：解這個方程不容易在解析範圍內做出更大值。

　　第2小題GPT-4o強調餘弦函數在 [0,π] 上是單調減函數；但把結論基於 a+θ 的取值範圍，並不嚴謹，畢竟這個結論需要在 a 是任意值的情況下成立。

　　對第 3 小題的求解，GPT-4o 只是通過三角函數最大值為1的特性，進行數值舉例，找到了一個使得上界比較大的 φ 值，就輕易下了結論。而沒有考慮到，這不是找上界，而是最小上界。需要通過特定的 φ 值，讓這個上界最小。

　　豆包 1.5 和騰訊 T1 做對了第 1 小題，做錯了第 2、3 小題。

　　豆包 1.5 在第 2 小題通過劃分 3 個區間分別找到反例來求解，但每一句結論要麼依賴a的特定取值，要麼沒有邏輯嚴謹性。

　　第 3 小題，豆包 1.5 結合餘弦函數的取值範圍特性，通過數值特例找到了 6 作為最小的極大值。但邏輯不嚴謹，答案也是錯誤的。

　　在思維鏈中，豆包 1.5 嘗試了和 Gemini 2.5 Pro Preview 相似的思路。但後續處理把注意力放在了 k 的取值，而不是 φ 的取值上。

　　豆包 1.5 一開始對題意的理解還是對的。

　　但後面即便注意到比如 φ=0 時，b的最大值是3√3，後續看到 φ= π ，b 為 6 的極大值，還是昏了頭。

　　騰訊 T1 解決第 2 小題時，用區間分析得到了奇怪的結論：“ 區間長度為 2θ，當 θ∈(0,π) 時，無法完全包含在 ( −θ,θ ) 內（ 否則長度超過 2θ ），矛盾。” 求解第 3 小題時採用了第 1 小題的極大值結果，但這不嚴謹，因為這個極大值和 φ 沒有關係，並且侷限在有限區間內。

　　o3 求解第 2 小題使用了比較直觀的反證法，不需要分析區間，不容易出錯。

　　智譜 Z1 結合餘弦函數特性和區間長度，也採用了不同的反證思路。

　　o3 求解第 3 小題時，沒有足夠的邏輯推導，只表示 “ 通過分析（ 三角恆等式或數值搜索 ）可知 ”，答案雖然正確，但並不嚴謹。類似地，智譜也沒有給出有説服力的過程，就得到了正確答案。

　　Claude 4 Sonnet 表示 b 的最小值為 6，通過變分法可以證明，但沒有實際展示如何得到。

　　Qwen3-235B-A22B 求解第 2 小題時找到了和 Gemini 2.5 Pro Preview 一樣的邏輯。

　　求解第 3 小題時，對題意的理解是正確的。

　　考慮了一些複雜的思路：相繼提到了諧波成分抵消、傅里葉級數、切比雪夫多項式、貝塞爾不等式等超綱的方法。感覺行不通後，開始通過數值舉例尋找線索。

　　嘗試了 Gemini 2.5 Pro Preview 採用的求導法，但沒有把這條路徑走完。最後的答案是準確的，並嘗試了 φ 的多種取值做對比，通過 “ 無論 φ 如何調整，無法通過相位抵消完全消除高頻項的影響，因此最小的 b 應為原函數的最大值 ” 得出了結果，但這並不嚴謹。

　　DeepSeek R1 求解第 2 小題時採用了正確的反證法，思路和 Gemini 2.5 Pro Preview 相同，但補齊了 Gemini 2.5 Pro Preview 得出滿足 cos x>cos θ 的區間的邏輯前提。

　　求解第 3 小題時，DeepSeek 也採用了求導分析法。

　　抓住了 k 變化對最終結果的影響較小，而更多與 φ 相關。但沒有完全分析完成又放棄了，最後還是通過數值比較增大了信心，得到了正確答案，但過程也不是準確的。

　　Kimi K1.5 的解答過於冗長，似乎是把長思考帶入到了解答部分。第 2 小題找到了和 Qwen3-235B-A22B、Gemini 2.5 Pro Preview一樣的反證法。第 3 小題沒有用嚴格的分析，而是用 φ 取值的反覆比較得出了結論，不能算準確。和 Qwen3-235B-A22B一樣先進行了求導解析，但後面把注意力集中在k的取值比較上。

　　文心 X1 再次跳過了深度思考，解答中得到了準確答案，但如何得出結論沒有具體過程。

　　總結

　　好了，我們的 2025 高考數學大題 AI 大亂斗的測試就到此結束了，下面是各個模型的總成績單：

　　前三名分別是 Gemini 2.5 Pro Preview、智譜 Z1、豆包 1.5，得到了 75 分、67 分、62 分，後兩者都是在最後一題的最後一部分，才和 Gemini 2.5 Pro Preview 拉開了差距。

　　其它模型之間整體相差不大，最後一名是 GPT-4o，這並不奇怪，畢竟它不是推理模型。倒是 o3、Claude 4 Sonnet，作為行業領先者的表現還是挺令人失望的，很多錯誤甚至有點離譜。

　　DeepSeek R1 在思維鏈上的特點比較明顯，字數非常多，細節非常豐富，即便只看部分思維鏈，也能給人類帶來不錯的啓發，會採用複雜、冗長的推理過程來解題，甚至採用比較高階的方法，許多模型都會在這種節點下，停滯不前或繞過去， DeepSeek R1 會進行嘗試，即便最後放棄，也能提供不少細節。相比之下，部分模型（ 如 o3、Gemini 2.5 Preview ）的思維鏈摘要缺乏關鍵推理細節，影響了可解釋性。

　　需要特別強調的是，思維鏈長度與準確性並非簡單正相關，過度冗長的推理有時反而影響效率。

　　在解題層面，目前主流大模型在求解數學推理還會遇到這些共同挑戰：

　　複雜參數優化問題（ 如第18、19題第2小題ii部分 ）對所有模型都構成較大挑戰；

　　幾何直覺和代數計算的結合是普遍難點（ 如第 18 題第 2 小題 ii 部分 ）；

　　數值計算精度在長推理題目中成為關鍵因素；

　　最後，除了解題本身，模型在進行結果檢驗、衡量方法複雜度和自信度、token 預算控制、輸出長度、輸出多樣性等方面如果做的不好，也會很影響可用性，特別是出現大量重複推理、無效推理時，負面體驗是最強的。

　　總之，對於這些動輒號稱是 “ 博士水平 ” 的各家大模型來説，我們只能説，在中國高考數學面前，你考個 985 沒問題，但你要想考清北，除了 Gemini，其他可能都還得再多練兩年。

　　現在，你知道你身邊只靠單純的高考成績考上清北的人有多恐怖了嗎？

　　（ 本評測基於2025年6月的模型版本進行，隨着模型的持續更新，相關結論可能會發生變化。）