用户分享

高考数学10道客观题_FLASH大模型统考

看看国内外主要的6款flash大模型，参加高考数学的能力

2026年6月8日 83 次阅读

⚠ 内容质量评分缺失：本次分析模型未输出 quality_scores 字段，报告主要基于性能数据。建议：(1) 将分析模型替换为更强的模型(如 deepseek-v3 / qwen-max)；(2) 或在管理后台手动重新生成报告。

决策卡

选型结论，快速参考

推荐选型

qwen3.6-flash

该模型正确率 100%，唯一无错题样本候选，相比其他模型在理科计算与逻辑题上表现最稳定。

正确率 100% 零错题理科强项

适用速查

✓高精度数学解题
✓客观题自动评测
✓复杂逻辑推理任务
✗非理科类创意生成

客观正确率评估

共 10 题参与判分（每题 10.00 分）

qwen3.6-flash ★ 第一

100.0/100

正确 10 / 错误 0

deepseek-v4-flash

90.0/100

正确 9 / 错误 1

doubao-seed-1.6-flash

70.0/100

正确 7 / 错误 3

gemini-2.5-flash

50.0/100

正确 5 / 错误 5

openai/gpt-5.4-mini

30.0/100

正确 3 / 错误 7

claude-4.5-haiku

0.0/100

正确 0 / 错误 10

错题归因剖析

基于答错样本的归因分类，避免对客观答案做主观倾向评价

qwen3.6-flash 正确率 100.0%

全对，无错题样本，理科计算与逻辑推理能力在本次评测中表现完美，无薄弱点。

无错题 0 次

doubao-seed-1.6-flash 正确率 70.0%

理科计算题推理过程完整但结论偏差，概率与解析几何薄弱，存在推理链条断裂现象。

推理错误 3 次
典型题：样本5、样本7、样本8

deepseek-v4-flash 正确率 90.0%

仅一题未返回，其余正确，稳定性高但存在偶发拒答，复杂函数分析任务需关注超时风险。

弃答 1 次
典型题：样本10

gemini-2.5-flash 正确率 50.0%

多选与计算题错误率高，导数与三角函数概念掌握不稳，选项辨析能力有待加强。

推理错误 4 次
典型题：样本4、样本5、样本6
选项理解偏差 1 次
典型题：样本10

openai/gpt-5.4-mini 正确率 30.0%

基础集合与复数计算出错，逻辑推理链条断裂频繁，多选漏选与误选情况较为严重。

推理错误 6 次
典型题：样本3、样本4、样本5
选项理解偏差 1 次
典型题：样本9

claude-4.5-haiku 正确率 0.0%

全错，推理过程看似合理但结论均偏离，基础知识点掌握严重不足，需全面核查算法。

推理错误 10 次
典型题：样本1、样本2、样本3

典型样本对比

推荐模型答对、其它模型答错的鉴别样本 · 共 6 例

样本 5 单选

题目

已知抛物线\(C_1:y^2=2px(p>0)\)和\(C_2:x^2=2py\)均经过点\((2,2)\)，则\(C_1\)与\(C_2\)焦点距离为
A.12 B.\(2\sqrt{2}\) C.6 D.\(\sqrt{2}\)

✓ 正确答案 · 推荐模型 qwen3.6-flash

d

doubao-seed-1.6-flash 答：

要解决这个问题，我们需要先根据抛物线经过点\((2,2)\)求出参数\(p\)，再确定两个抛物线的焦点坐标，最后计算焦点之间的距离。


### **步骤1：求

推理过程完整但在最终结论阶段中断，未输出有效选项字母，属于生成完整性问题。

gemini-2.5-flash 答：B

焦点坐标计算过程中数值代入错误，导致距离公式计算结果偏差，最终误选选项 B。

openai/gpt-5.4-mini 答：B

距离公式代入数值失误，对抛物线定义理解存在偏差，导致计算结果与正确选项不符。

claude-4.5-haiku 答：

我来逐步求解这道题。

**第一步：根据点$(2,2)$在两条抛物线上，求出$p$值**

对于抛物线 $C_1: y^2=2px$，点$(2,2)$在其上：

参数 p 求解后焦点定位偏差，后续距离计算逻辑错误，导致最终答案偏离正确选项 D。

样本 8 单选

题目

甲、乙两人玩游戏：掷一枚均匀硬币，正面甲得 1 分，反面乙得 1 分，先得 3 分者胜。设\(P_n\)为甲当前n分、最终获胜概率，则\(P_2=\)
A.\(\frac34\) B.\(\frac56\) C.\(\frac78\) D.\(\frac{15}{16}\)

✓ 正确答案 · 推荐模型 qwen3.6-flash

c

doubao-seed-1.6-flash 答：

要解决这个问题，我们需要定义甲当前得分时最终获胜的概率\(P_n\)，并通过递推关系计算\(P_2\)。


### **关键分析**
- **游戏规则**：掷

递推关系建立后未算出最终值，生成过程截断，属于未完成推理导致的无效回答。

gemini-2.5-flash 答：A

忽略乙得分状态对获胜条件的影响，仅考虑甲得分情况，导致概率计算结果偏大致选 A。

openai/gpt-5.4-mini 答：A

状态空间枚举遗漏致选 A，对先得三分者胜的规则理解不够全面，概率计算有误。

claude-4.5-haiku 答：

我需要求甲当前2分、最终获胜的概率 $P_2$。

**分析问题：**
- 先得3分者胜
- 甲当前2分，需要再得1分就赢
- 乙当前0分，需要得3分

**建

边界条件设定错误致概率偏差，递推公式构建合理但初始值代入错误，导致结果不符。

样本 10 多选

题目

函数\(f(x)=e^x-ax^2\)有三个零点，则
A.\(a>\frac{e^2}{4}\) B. 极小值小于 0 C. 存在a使三个零点成等比数列 D. 当\(a=e\)时，零点为\(0,1,2\)

✓ 正确答案 · 推荐模型 qwen3.6-flash

ab

deepseek-v4-flash 答：（未返回）

未返回有效答案内容，系统判定为弃答，可能因复杂函数性质分析超时或触发安全策略。

gemini-2.5-flash 答：BC

零点存在性判断失误漏选 A，对极小值小于零的条件理解不足，导致选项组合错误。

openai/gpt-5.4-mini 答：ABC

等比数列条件误判多选 C，对函数零点分布性质分析过度，导致包含错误选项在内的组合。

claude-4.5-haiku 答：

我需要分析函数 $f(x) = e^x - ax^2$ 有三个零点的条件。

**第一步：分析函数性质**

$f'(x) = e^x - 2ax$

要有三个

极值点分析逻辑错误，虽导数求解正确但零点个数判定失误，导致最终选项选择错误。

样本 9 多选

题目

已知复数\(z=3+2i\)，则
A.\(\bar z=3-2i\) B.\(|z|=5\) C.\(z^2=5+12i\) D.\(\frac1z=\frac{3}{13}-\frac{2}{13}i\)

✓ 正确答案 · 推荐模型 qwen3.6-flash

acd

openai/gpt-5.4-mini 答：ABD

复数模长公式记忆错误，将根号下平方和误算为整数五，导致错误包含选项 B 在内的组合。

claude-4.5-haiku 答：

我来逐项检验复数 $z=3+2i$ 的相关性质。

**A. $\bar z=3-2i$**

复数 $z=3+2i$ 的共轭复数是 $\bar z=3-2i$

共轭复数概念正确但后续选项判断失误，模长计算错误导致多选 B，整体准确率偏低。

样本 4 单选

题目

曲线\(y=x^3-3x\)在点\((1,-2)\)处的切线方程为
A.\(y=-1\) B.\(y=-2\) C.\(y=x-3\) D.\(y=-3x+1\)

✓ 正确答案 · 推荐模型 qwen3.6-flash

b

gemini-2.5-flash 答：D

导数求值错误致斜率非零，切线方程计算过程中数值处理失误，导致最终选项选择 D。

openai/gpt-5.4-mini 答：C

切线方程点斜式代入计算失误，导数求解正确但方程化简错误，导致误选选项 C。

claude-4.5-haiku 答：

我需要求曲线 $y=x^3-3x$ 在点 $(1,-2)$ 处的切线方程。

**第一步：验证点在曲线上**

将 $x=1$ 代入 $y=x^3-3x$：
$

导数为零判断正确但方程形式写错，虽识别出水平切线但最终表达与选项 B 不符。

样本 6 单选

题目

已知函数\(f(x)=\sin(\omega x+\varphi)(\omega>0,|\varphi|<\frac\pi2)\)的最小正周期为\(\pi\)，且\(f(x)\leq f(\frac\pi3)\)恒成立，则\(\varphi=\)
A.\(\frac\pi6\) B.\(\frac\pi3\) C.\(-\frac\pi6\) D.\(-\frac\pi3\)

✓ 正确答案 · 推荐模型 qwen3.6-flash

c

gemini-2.5-flash 答：A

最值点相位计算符号错误，虽周期求解正确但初相范围判定偏离导致误选选项 A。

openai/gpt-5.4-mini 答：D

周期公式代入正确但初相求解偏差，三角函数性质理解存在漏洞，导致误选选项 D。

claude-4.5-haiku 答：

我需要根据给定条件求出 $\varphi$。

**第一步：由最小正周期求 $\omega$**

最小正周期为 $\pi$，所以：
$$T = \frac{2

omega 求解正确但 phi 范围判定失误，最值条件转化过程中逻辑断裂，导致最终答案错误。

错误模式与风险

工程容错与重试策略参考

错误类型	受影响模型	典型表现	工程缓解措施
Request timeout	deepseek-v4-flash (1)	—	检查请求参数与重试策略

性能与成本 (参考)

全量 10 样本 × 6 模型 = 60 条记录

⚠ 注意：本节性能指标(延迟、Token、成功率)受网络环境、网关限流、服务商水位等外部因素影响，不应作为模型选型的主要依据。请优先参考"决策卡"与"内容质量综合评估"。

指标	qwen3.6-flash	doubao-seed-1.6-flash	deepseek-v4-flash	gemini-2.5-flash	openai/gpt-5.4-mini	claude-4.5-haiku
成功率	100.0%	100.0%	90.0%	100.0%	100.0%	100.0%
均值延迟	16788ms8.2×	25735ms12.6×	20266ms9.9×	2044ms基线 1.0×	2167ms1.1×	5078ms2.5×
P50 延迟	9109ms	7464ms	4477ms	1842ms	2216ms	3800ms
P95 延迟	41169ms	75839ms	90498ms	3427ms	2870ms	8294ms
均输出 Token	2269 tok2269.0×	3577 tok3577.0×	1556 tok1556.0×	1 tok基线 1.0×	5 tok5.0×	637 tok637.0×
均输入 Token	174 tok	249 tok	146 tok	169 tok	187 tok	219 tok
TTFT	— 原始数据未披露此项

注: 以延迟最优方案 gemini-2.5-flash 为基线(1.0×)。响应延迟受网络环境、服务端负载、并发情况等多重因素影响,仅供横向参考。

可视化分析 · 延迟分布 / Token 消耗

延迟分布(均值 / P50 / P95)

单位:毫秒;长尾延迟比均值更影响用户体验

均值 P50 P95

平均输出 Token 对比

低值 = 信息密度高、成本低

gemini-2.5-flash

openai/gpt-5.4-mini

claude-4.5-haiku

637

deepseek-v4-flash

1556

qwen3.6-flash

2269

doubao-seed-1.6-flash

3577

关键洞察: doubao-seed-1.6-flash 输出量是 gemini-2.5-flash 的 3577.0 倍。在成功率相同前提下,Token 冗余直接转化为延迟与成本损失。

任务 × 模型延迟矩阵

单选

n=8

多选

n=2

qwen3.6-flash

15.2s

23.2s

doubao-seed-1.6-flash

21.9s

41.1s

deepseek-v4-flash

22.2s

4477ms

gemini-2.5-flash

2176ms ★

1514ms

openai/gpt-5.4-mini

2368ms

1361ms ★

claude-4.5-haiku

4883ms

5859ms

< 5s 最佳 5-10s 10-20s 20-40s > 40s ★ 该任务延迟最佳

洞察: gemini-2.5-flash 在 1/2 类任务中延迟最优。

成本测算 · 基于 Token 输出量的相对比较

原始数据未提供厂商官方单价。以下基于输出 Token 量进行相对成本比较,假设输入 Token 成本一致,主要差异在于输出 Token。

模型	均输出 Token	相对成本倍数	月度差异(假设 1 亿 Token)
gemini-2.5-flash ★	1	1.0× (基线)	基线
openai/gpt-5.4-mini	5	5.0×	+400%
claude-4.5-haiku	637	637.0×	+63600%
deepseek-v4-flash	1556	1556.0×	+155500%
qwen3.6-flash	2269	2269.0×	+226800%
doubao-seed-1.6-flash	3577	3577.0×	+357600%

结论: 若月度输出量为 1 亿 Token,doubao-seed-1.6-flash 的输出成本理论上是 gemini-2.5-flash 的 3577.0 倍。绝对成本需以厂商当期定价折算。

已知局限

点击展开

评测任务清单

单选	样本数 8,均值延迟范围 2176-22240ms
多选	样本数 2,均值延迟范围 1361-41069ms

原始延迟数据汇总

模型	均值延迟	P50	P95
qwen3.6-flash	16788ms	9109ms	41169ms
doubao-seed-1.6-flash	25735ms	7464ms	75839ms ⚠
deepseek-v4-flash	20266ms	4477ms	90498ms
gemini-2.5-flash	2044ms ★	1842ms	3427ms
openai/gpt-5.4-mini	2167ms	2216ms	2870ms
claude-4.5-haiku	5078ms	3800ms	8294ms

已知局限(共 4 条)

原始数据未提供 TTFT 指标:无法评估流式输出首字体验
原始数据未提供 P99 延迟:仅能提供 P95 数据,极端长尾情况未知
原始数据未提供官方单价:成本测算仅基于 Token 倍数,非绝对金额
样本量有限:仅 10 条样本,可能未覆盖所有长尾 Case

继续阅读

上一篇 HuggingFace 开源生态榜 · 2026-06-08 下一篇高考数学10道客观题_PRO大模型统考