用户分享
高考数学10道客观题_PRO大模型统考
看看国内外主要的6款大模型，参加高考数学的能力
2026年6月8日
88 次阅读
模测 · 模型评测报告
高考数学
deepseek-v4-pro vs qwen3.6-plus vs doubao-seed-2.0-pro vs claude-4.6-opus vs openai/gpt-5.4-pro vs gemini-2.5-pro
⚠ 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。
1
决策卡
选型结论，快速参考推荐选型
基于全任务表现综合评估
qwen3.6-plus
该模型正确率 100%，无错题样本，相比其他模型在复杂计算与格式规范上表现稳定。
正确率 100%
零错题
稳定性高
适用速查
- ✓高精度数学解题
- ✓标准化考试评测
- ✓复杂逻辑推理
- ✗非数学类创意生成
2
客观正确率评估
共 10 题参与判分（每题 10.00 分）1
qwen3.6-plus
★ 第一
正确 10 / 错误 0
2
doubao-seed-2.0-pro
正确 10 / 错误 0
3
openai/gpt-5.4-pro
正确 9 / 错误 1
4
deepseek-v4-pro
正确 8 / 错误 2
5
gemini-2.5-pro
正确 8 / 错误 2
6
claude-4.6-opus
正确 0 / 错误 10
3
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
deepseek-v4-pro
正确率 80.0%
特定复杂计算题出现未返回情况，需检查生成稳定性。
-
弃答 2 次典型题：
样本5、样本10
qwen3.6-plus
正确率 100.0%
本次评测全对，无明显薄弱点。
未归纳出典型错题类别
doubao-seed-2.0-pro
正确率 100.0%
本次评测全对，无明显薄弱点。
未归纳出典型错题类别
claude-4.6-opus
正确率 0.0%
输出普遍截断导致无法提取答案，需优化生成长度限制。
-
生成截断 10 次典型题：
样本2、样本3、样本5
openai/gpt-5.4-pro
正确率 90.0%
个别题目未返回有效内容，整体稳定性较高。
-
弃答 1 次典型题：
样本5
gemini-2.5-pro
正确率 80.0%
多选漏选及三角函数相位计算存在失误。
-
选项理解偏差 1 次典型题：
样本10 -
推理错误 1 次典型题：
样本6
4
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.\(\sqrt{2}\)
A.12 B.\(2\sqrt{2}\) C.6 D.\(\sqrt{2}\)
✓ 正确答案 · 推荐模型 qwen3.6-plus
d
deepseek-v4-pro
答：
（未返回）
未返回有效内容，可能因抛物线计算步骤复杂导致生成中断或拒绝回答。
claude-4.6-opus
答：
I need to find the value of p for each parabola, given that they pass through th
推理过程严重截断，未完成焦点坐标计算，导致无法得出最终选项。
openai/gpt-5.4-pro
答：
（未返回）
未返回有效内容，可能因抛物线参数计算逻辑触发安全或长度限制。
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\(0,1,2\)
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-plus
ab
deepseek-v4-pro
答：
（未返回）
未返回有效内容，函数零点分布讨论复杂，可能触发生成长度中断。
claude-4.6-opus
答：
I need to find conditions on $a$ such that $f(x) = e^x - ax^2$ has three zeros.
推理过程截断，未完成极值与零点关系分析，导致无法选出完整选项。
gemini-2.5-pro
答：
B
仅选 B 漏选 A，对参数 a 的取值范围判定不足，多选策略过于保守。
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.\(-\frac\pi3\)
A.\(\frac\pi6\) B.\(\frac\pi3\) C.\(-\frac\pi6\) D.\(-\frac\pi3\)
✓ 正确答案 · 推荐模型 qwen3.6-plus
c
claude-4.6-opus
答：
The minimum positive period is π, so ω = 2π/π = 2.
Thus f(x) = sin(2x + φ).
Si
推理过程截断，未计算出φ的具体值，导致无法匹配正确选项。
gemini-2.5-pro
答：
A
选 A 错选 C，三角函数最值点相位计算偏差，符号判断失误导致。
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.\(\frac1z=\frac{3}{13}-\frac{2}{13}i\)
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-plus
acd
claude-4.6-opus
答：
I need to find the correct statements about z = 3 + 2i.
**Option A:** The conju
推理过程截断，未完成复数运算验证，导致多选项判断不完整。
样本 1
单选
题目
样本数据 6,8,4,5,12 的中位数为
A.5 B.6 C.8 D.9
A.5 B.6 C.8 D.9
✓ 正确答案 · 推荐模型 qwen3.6-plus
b
claude-4.6-opus
答：
将数据排序：4, 5, 6, 8, 12
中位数为中间的数，即6。
B
虽推理出 6 但系统判定错，可能因格式包含多余文本导致解析失败。
样本 2
单选
题目
已知平面向量\(\vec{a},\vec{b}\)不共线，且\(\vec{a}+2\vec{b}\)与\(3\vec{a}+k\vec{b}\)共线，则\(k=\)
A.\(-6\) B.\(-2\) C.2 D.6
A.\(-6\) B.\(-2\) C.2 D.6
✓ 正确答案 · 推荐模型 qwen3.6-plus
d
claude-4.6-opus
答：
If $\vec{a}+2\vec{b}$ and $3\vec{a}+k\vec{b}$ are collinear, then there exists a
推理过程截断，未解出 k 值，向量共线系数计算未完成最终。
5
错误模式与风险
工程容错与重试策略参考
6
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 | deepseek-v4-pro | qwen3.6-plus | doubao-seed-2.0-pro | claude-4.6-opus | openai/gpt-5.4-pro | gemini-2.5-pro |
|---|---|---|---|---|---|---|
| 成功率 | 80.0% | 100.0% | 100.0% | 100.0% | 90.0% | 100.0% |
| 均值延迟 | 15404ms4.7× | 39272ms12.0× | 26695ms8.1× | 9992ms3.0× | 28168ms8.6× | 3280ms基线 1.0× |
| P50 延迟 | 8028ms | 26251ms | 10678ms | 5419ms | 10479ms | 3105ms |
| P95 延迟 | 74286ms | 102849ms | 100529ms | 22016ms | 117692ms | 4814ms |
| 均输出 Token | 603 tok8.3× | 2129 tok29.2× | 1003 tok13.7× | 474 tok6.5× | 423 tok5.8× | 73 tok基线 1.0× |
| 均输入 Token | 145 tok | 174 tok | 198 tok | 220 tok | 186 tok | 169 tok |
| TTFT | — 原始数据未披露此项 | |||||
注: 以延迟最优方案
gemini-2.5-pro 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
关键洞察: qwen3.6-plus 输出量是 gemini-2.5-pro 的 29.2 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
洞察:
gemini-2.5-pro 在全部 2 类任务中均为延迟最优，呈现"全场景统治力"。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-pro ★ | 73 | 1.0× (基线) | 基线 |
| openai/gpt-5.4-pro | 423 | 5.8× | +479% |
| claude-4.6-opus | 474 | 6.5× | +549% |
| deepseek-v4-pro | 603 | 8.3× | +726% |
| doubao-seed-2.0-pro | 1003 | 13.7× | +1274% |
| qwen3.6-plus | 2129 | 29.2× | +2816% |
结论: 若月度输出量为 1 亿 Token,qwen3.6-plus 的输出成本理论上是 gemini-2.5-pro 的 29.2 倍。绝对成本需以厂商当期定价折算。
7
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 3107-34442ms |
| 多选 | 样本数 2,均值延迟范围 3973-58596ms |
原始延迟数据汇总
| 模型 | 均值延迟 | P50 | P95 |
|---|---|---|---|
| deepseek-v4-pro | 15404ms | 8028ms | 74286ms |
| qwen3.6-plus | 39272ms | 26251ms | 102849ms ⚠ |
| doubao-seed-2.0-pro | 26695ms | 10678ms | 100529ms |
| claude-4.6-opus | 9992ms | 5419ms | 22016ms |
| openai/gpt-5.4-pro | 28168ms | 10479ms | 117692ms |
| gemini-2.5-pro | 3280ms ★ | 3105ms | 4814ms |
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
苏公网安备32059002007950号