今天看到「机器之心」用几家主流大模型做的高考数学卷挑战评测，结果挺出人意料：Gemini 2.5 Pro 第一，豆包用的是具备多模态能力的视觉版，和 DeepSeek R1 并列第二。说是第二，其实和第一也不过一分之差而已。说起来，大模型在数学方面的能力，一直被质疑，过去也时不时的看到有用户抱怨大模型做不对简单的数学题。毕竟，大模型到目前为止更为擅长的是处理文本信息，非要逼着去做数学题的话，倒也是一个强需求。去年就有人用高考数学题做过评测，不过那次大模型的总体表现可以说是惨不忍睹，甚至没有一家能够及格。现在这才只经过一年的时间，得分就都已经表现相当惊人，各家模型都已经达到了优秀高考生的水准，或许明年就有大模型能拿到满分。在做数学题这事儿上，大模型是肯定也可取代我了。你说我该高兴还是——大模型写代码比我好很正常，毕竟我不写嘛，现在数学这能力我眼看着也追不上了。
其实这种趋势早就有预兆。数学家陶哲轩就认为：现在 AI 像家庭教师一样，能将每一步的证明向你阐明，并立即回答背后的原理，所以「做得对」已经不能作为学生做作业的目标。我们要教下一代孩子的是，如何验证 AI 生成的结果正确性，以及如何获得 AI 以外的意见。如果换一个角度看，AI 在解题训练和知识应用层面，已然是一位近乎完美的「超级刷题高手」，这倒是刚好适合我们应试教育的模式。
真是令人感慨，在做数学题这事儿上，大模型是肯定也可取代我了。不只是可以取代我，几乎所有觉得自己还有两把刷子的家长们，可能以后也不如大模型好用了。换句话说，让孩子早早学会用大模型辅助学习，不失为明智之选。就像围棋选手跟 AI 下练习棋，功力肯定长进，完全可以视为一种新式科学训练。未来尖子生的数学训练，恐怕也会少不了与大模型「过招」这一环节。只看一家评测，似乎总有点不放心，会不会有误差？再说，总分也没相差太多，难以充分表现能力差异，又去找了两份评测对比一下，从结果上看，Gemini 和豆包倒是始终在第一梯队里。字节「大力出奇迹」这一看家本领，用在大模型这件事上看来也会有奇效，不可低估这家公司的实力。至于我们这些普通人和家长——或许真要转变心态，与其死守「我来辅导」「家教来辅导」的思路，不如思考如何合理借力这些工具，帮孩子在新时代的学习路径上跑得更快、更远。
说不定，未来某一天，我们看到的不只是大模型刷分，更是它和顶尖数学家共同攻克未解难题。
不知道现在有没有大模型厂商去找韦神谈谈合作，这个点子免费。
Fenng约 3 分钟