撫順東風好孕包成功（ai模擬題）Ai模擬題文件，
東風好孕助孕機構嚴格執(zhí)行試管行業(yè)標準 , 整合行業(yè)優(yōu)質(zhì)資源 , 架起生命橋梁(微電同號13006102300)選擇正規(guī)授權試管,專業(yè)生殖團隊全程服務,安心更放心專業(yè)試管生殖方案,專業(yè)的陪護照顧服務！是不孕不育，高齡媽媽的放心選擇，選擇我們準不會錯！
文 | 王智遠Kimi這兩天悄悄推出數(shù)學版，名字叫：k0-math知道模型前，已經(jīng)有不少外部不少信息說對標OpenAI o1系列，還有人放出了在MATH、中考、高考、考研4個數(shù)學基準測試中的數(shù)據(jù)結論是，Kimi數(shù)學版成績均超過了OpenAI o1-mini和o1-preview模型。
對于這種評測肯定有各種說法有些人認為，Kimi 在處理幾何、代數(shù)和計算準確性方面表現(xiàn)不錯，還能提供多種解題思路即使遇到一時解不出的題目，它也會“回爐”重新分析，最終給出正確答案但也有人指出，國內(nèi)大模型推出數(shù)學版的同時，也暴露了自身的真實水平；。
以前，數(shù)學能力不是大家關注的重點，但隨著 Kimi 推出這個新模型，人們逐漸意識到：數(shù)學才是衡量大模型底層能力的核心既然如此，大模型卷數(shù)學哪家更強呢？紙上得來終覺淺，絕知此事要躬行；所以，和團隊伙伴一口氣測了8個模型。
01模型包括：主流的Kimi、ChatGPT（o1 和 o1-preview）、豆包、通義千問 2.5、訊飛星火、夸克和知乎直答問題來了，該怎么測試這些模型的數(shù)學能力？剛好前兩天發(fā)完小綠書后，有位朋友留言推薦了一道題。
他說，試試這個問題：正方形ABCD繞B逆時針旋轉任意角度得正方形 BPQR ，連 QD ，連 CP 交 QD 于 E 已知CE =5V2, ED =4，求AB的邊長說實話，我不是專業(yè)的數(shù)學博主，只能從評測的角度來還原這個過程。
先說明一點，這里面有些模型可能并沒有對外宣傳自己能做數(shù)學題，但這沒關系，測一測或許會發(fā)現(xiàn)一些意想不到的表現(xiàn)。我把問題給Kimi數(shù)學版，這是它給的結論：
準確嗎？說實話，我不知道畢竟這些幾何知識早就還給老師了，為了避免答得太離譜，我順便問了 Kimi 一個問題：這道題屬于什么范疇、什么難度？它告訴我：這是一道正方形旋轉、勾股定理、以及三角形組成的題，主要在初中、高中的幾何課程中，反復被討論更復雜的幾何變換使用。
好吧，先不糾結我自己的數(shù)學水平，接著測試豆包為了閱讀方便，這里就不放截圖了豆包的計算速度很快，結論和 Kimi 數(shù)學版完全一致這么看來，這兩個模型在答案上還是比較統(tǒng)一通義千問2.5模型怎么樣呢？它的第一個答案是 √33，但當我再次測試時，它給出的結果變成了 √66。
這個結果讓我有點懵事情總是按照英雄之旅的模式發(fā)展，測試訊飛星火時，它的計算速度比其他幾個模型明顯慢了一些更離譜的是，它得出的結論是正方形 ABCD 的邊長是 9，而我問的是 AB 的邊長；于是，我指出了這個錯誤，要求重新計算，這才得到一個和通義千問類似的答案。
接下來是夸克的測試它提供了三個不同的計算過程，但結論并不一致，帶著疑惑，我又測了知乎直答，結果更不一樣，答案五花八門，讓人有點摸不著頭腦心里帶著疑惑，轉向 ChatGPT 4o這個模型很有意思，它一開始幾乎快解完了，卻突然刪掉了；更有趣的是，它解完又刪，又重新計算，像在“反思”自己的解題思路。
最終，它的答案和 Kimi 數(shù)學版一致切換到 ChatGPT o1-preview 模型后，答案和通義千問、訊飛星火類似8個模型最終測試下來，豆包、Kimi、ChatGPT 4o計算方式和答案一致；通義千問、訊飛星火、ChatGPT o1-preview答案另一個答案；夸克和知乎直答，提供了不同的結果。
02有句話，被人經(jīng)常說起，即：如果給我一個小時來解決問題，我會用55分鐘來思考問題，再用5分鐘來思考解決方案雖然，無法證明是不是愛因斯坦說的，至少告訴我們，思考比答案更重要，問題被定義，答案也就很好解決。
于是乎，我們來了一波反向操作，把問題又給了8個大模型，讓它來糾正錯誤首先，拿ChatGPT4o和ChatGPT o1-preview進行對比，果然，統(tǒng)一大模型下測試語言類和數(shù)學類就能看出它真正的能力ChatGPT4o邏輯性比較明顯，回答也很干脆，它說：
一，旋轉角度不明確，比如“繞 B 點逆時針旋轉任意角度”，這個角度到底是多少？需要明確二，已知條件和幾何關系不匹配，導致計算困難三，因為有前兩個問題存在，求 AB 角度會很靈活，結果容易變化ChatGPT 0.1-preview 的回答方式有點不同。
它會先分析，等梳理完再給出完整答案雖然內(nèi)容和ChatGPT4o一致，但思路展開得更全面些Kimi呢？表現(xiàn)如何？它更懂中國人一些，我雖然做數(shù)學題的能力早蛻化完了，但能看懂解題思路；它分析了三個關鍵問題，最后建議直接設定一個具體角度（比如 90°）或補充幾何信息，這樣能避免理解偏差；總體來說，Kimi 的回答簡單明了。
豆包回答更注重細節(jié)它明確指出旋轉角度模糊、缺少等量關系線索等問題，給出具體修改建議，比如將“繞 B 點逆時針旋轉任意角度”改為“旋轉 45°”，或者增加三角形面積比等條件它的回答怎么評價呢？Kimi結構化清晰，列出幾點就沒了；豆包，則會在條目上進行一步展開動作，內(nèi)容更豐富一些。
通義千問 2.5 的表現(xiàn)有些矛盾它一開始說問題沒有邏輯錯誤，但又指出條件中 CE 和 ED 的長度與旋轉角度不匹配這種前后不一致讓我有點困惑再說說訊飛星火模型，它在糾錯方面表現(xiàn)一般，會直接還原解題思路，但幾乎沒有排查問題，即使調(diào)整提示詞，結果還是一樣，和其他模型的表現(xiàn)有明顯差距。
對于夸克，體驗感受是這樣，它網(wǎng)頁版只有搜題、上傳圖片來解題這倆功能，不像其他智能體能直接把問題發(fā)給它，再給提示詞讓幫忙解題缺了過程就限制了互動性只能換種形式，對著電腦拍張圖片給它；不過它的解題能力很強，能根據(jù)缺少的條件生成多個答案，并還原出對應的解題思路。
知乎知答倒是挺意外，雖然它沒宣傳解題功能，但它不僅能解決問題，還能糾錯一部分答案依賴搜索，另一部分通過生成完成，它還能直接指出題目中模糊的地方，加入修正設想不過它的回答沒有 Kimi 或豆包那樣條理清晰，可能是訓練數(shù)據(jù)不足的原因。
8個模型，整體糾錯下來，ChatGPT 4.o和Kimi水平相當，回答清晰，ChatGPT o1-preview和豆包細節(jié)更豐富，展開更多通義千問 2.5 表現(xiàn)模糊，訊飛星火 在糾錯方面還需提升，夸克解題能力強，但互動性差。
知乎知答算是意外之喜，能解題糾錯，但條理性稍弱以上是我和團隊另一位伙伴測試中的個人體驗，如果認為不準，也可以親自測試一下模型中的表現(xiàn)測試完后，我查了一下，這道題如果出現(xiàn)在試卷里通常會明確說明旋轉角度但在我的測試中，這個條件沒有給出，所以問題本身確實有些模糊。
也正因如此，我更覺得，明確和梳理清楚問題才能找到答案03大模型卷數(shù)學能力蠻重要，為什么重要？理由有很多，不過，從我的感受上認為有兩個值得關注下第一點：教育家長們輔導孩子做作業(yè)已經(jīng)夠費勁了，尤其是數(shù)學題，將來你有了孩子，遇到難題想用AI幫忙，結果幾個模型給出的答案都不一樣，那得多讓人焦慮？。
從大方面看，解題思路可以有很多種，但答案必須準確無誤因為數(shù)學是嚴格按照邏輯規(guī)則來的學科，從公理到定理，每一步推導都要精確，數(shù)學結論出錯了，接下來的推導可能全錯我們可以想象一個實際場景比如：工程設計某天我們用 AI 模型幫忙計算關鍵數(shù)據(jù)，結果有偏差，那施工時是不是會直接釀成事故？
還有一點，我感覺數(shù)學模型的實際應用場景比語言模型更多，從金融分析到天氣預測，從自動駕駛到工程設計，哪一樣離得開精確的數(shù)學運算？第二點：模型本身過去幾年，大語言模型學了不少東西，比如語言、語義和情感表達這就像一個剛出生的孩子，最初大腦充滿了對情感、語言和人際交流的敏感性。
但接下來，模型要進入更高層次的認知發(fā)展階段，就像孩子逐漸開始上學，學習數(shù)學、科學等邏輯性更強的東西這個階段，好比大腦的“系統(tǒng)2”，更高級的理性思考能力系統(tǒng)2的作用是什么？深入理解、推理和解決復雜問題的基礎。
如果模型在理科上不夠精準，那怎么能指望它在復雜的任務中表現(xiàn)得好呢？所以，數(shù)學是對系統(tǒng)2的極限測試，因為數(shù)學不容模糊，要么對，要么錯，沒有中間地帶更進一步說，大語言模型不能只會講故事、安慰人，它得成為一個會計算的“科學家”或者“工程師”，這樣才能解決更高層次的問題，而這一切都要靠數(shù)學能力。
04我注意到除Kimi外，還有不少大公司推出了專門提升數(shù)學能力的大模型比如：好未來的MathGPT，它主要為全球的數(shù)學愛好者和科研機構服務的，主要做搜題和答題，屬于千億級別的大模型百川智能的Baichuan 4，主要關注金融行業(yè)，能做風險評估和交易策略分析，已經(jīng)和用友、軟通動力、新致軟件、達觀數(shù)據(jù)、華勝天成等伙伴合作了。
阿里云的Qwen2-Math是個開源模型，專門用來解數(shù)學題雖然它還沒公布具體客戶，但在學術研究和競賽培訓中經(jīng)常看到它的影子除此之外，還有云從科技的從容大模型和MiniMax的abab6.5等等它們有的專注政府領域，有的更偏向制造業(yè)，以前，這些公司大多通過大模型或者某個具體應用場景來讓大家了解。
現(xiàn)在AI在個人用戶端應用競爭，已經(jīng)變得有些局限了因為主要集中在搜索、對話、寫作、代碼生成這幾個領域，AI的極致體驗，更多是從搜索開始，然后逐步建立起搜集、應用、輸出的完整流程這種局限讓AI的潛力還沒有完全發(fā)揮出來，實際上數(shù)學模型的應用場景要比文科類、代碼生成要廣泛得多；不信，只要思考一個場景就夠了：。
上班時，無論是財務、運營還是市場決策，幾乎所有公司每天都離不開數(shù)據(jù)管理者們關注的是什么？是各種報表上的ROI指標，是增長率、轉化率，是用數(shù)字來衡量業(yè)務健康狀況的關鍵指標這些數(shù)字背后，靠強大的數(shù)學分析、預測和建模能力。
進一步來說，這種能力在更大的層面甚至關系到供給側的優(yōu)化比如，企業(yè)如何通過數(shù)據(jù)優(yōu)化供應鏈，降低庫存成本，同時提升交付效率？如何用數(shù)學模型分析市場需求波動，及時調(diào)整生產(chǎn)計劃？這些都是企業(yè)面臨的核心問題，而解決問題的關鍵，正是強大的數(shù)學建模能力。
所以，數(shù)學模型意義早已超越學科本身，它是推動經(jīng)濟發(fā)展，加速商業(yè)效率的支柱，AI模型卷數(shù)學，無疑能讓能力邁向新高度總結未來，誰更勝一籌呢？不太好定義，不過，我認為，在比能力這件事上，不如多思考一下，如何進入某個領域拿到數(shù)據(jù)，畢竟數(shù)據(jù)是訓練模型重要的語料。