5道高考題，訊飛星火X1升級版和DeepSeek誰才是當(dāng)仁不讓的數(shù)學(xué)狀元？

　　3月3日，科大訊飛完成星火深度推理模型X1的全面升級，并基于星火X1首發(fā)星火醫(yī)療大模型X1，在診斷推薦、健康咨詢等醫(yī)學(xué)任務(wù)上效果領(lǐng)先。

　　作為國內(nèi)首個(gè)，也是迄今為止唯一一個(gè)采用全國產(chǎn)算力訓(xùn)練的深度推理大模型，星火X1在模型參數(shù)量較少的情況下，實(shí)現(xiàn)了數(shù)學(xué)能力與DeepSeek R1和OpenAI o1對標(biāo);訊飛星火X1的升級，表明基于國產(chǎn)算力訓(xùn)練的全棧自主可控大模型具備強(qiáng)大實(shí)力和創(chuàng)新潛力。

　　測試集合來源：中文測試集來自2023/2024年各學(xué)段考試真題/模擬題/競賽題，英文測試集來自AIME 2024/2025和MATH 500競賽集

　　我們在星火X1升級后的第一時(shí)間，將其數(shù)學(xué)能力和DeepSeek做了簡單對比，用的5道測試題含金量頗高，全部來自《2024年全國統(tǒng)一高考數(shù)學(xué)試卷(新高考Ⅰ)》，兩大模型答卷情況如下：

　　小提示：由于高考試題較難，大模型給出的解題過程往往很長，用截圖的方法很難一次截取完整，需要兩次，因此下面給出的同一問題的解答截圖。

　　題目1：

　　甲、乙兩人各有四張卡片，每張卡片上標(biāo)有一個(gè)數(shù)字，甲的卡片上分別標(biāo)有數(shù)字1，3，5，7，乙的卡片上分別標(biāo)有數(shù)字2，4，6，8，兩人進(jìn)行四輪比賽，在每輪比賽中，兩人各自從自己持有的卡片中隨機(jī)選一張，并比較所選卡片上數(shù)字的大小，數(shù)字大的人得1分，數(shù)字小的人得0分，然后各自棄置此輪所選的卡片(棄置的卡片在此后輪次中不能使用).則四輪比賽后，甲的總得分不小于2的概率是多少?

　　星火X1解答如下：

　　DeepSeek R1解答如下：

　　星火XI開門紅，先勝一局，給出了正確答案，且解題過程相當(dāng)清楚。DeepSeek大意失荊州，給出了錯(cuò)誤答案。

　　題目2：

　　星火X1解答如下：

　　DeepSeek R1解答如下：

　　這局表現(xiàn)整體不錯(cuò)，兩款大模型都給出的正確答案，看來DeepSeek終于睡醒了，老虎要發(fā)威了。

　　題目3：

　　星火X1解答如下：

　　DeepSeek解答如下：

　　兩大模型再接再厲，并駕齊驅(qū)，再度拿下一城。

　　題目4：

　　星火X1解答如下：

　　DeepSeek R1解答如下：

　　這是一道典型的差數(shù)列問題，兩大模型均給出了準(zhǔn)確答案，表揚(yáng)!

　　題目5：

　　星火X1解答如下：

　　DeepSeek解答如下：

　　星火X1解答正確，DeepSeek剛展現(xiàn)出來的猛勁似乎又過了，在一道看起來并不很難的題上栽了跟頭，錯(cuò)失一城。

　　小結(jié)：

　　至此，筆者興致勃勃舉辦的這場友誼賽暫告結(jié)束，從整場賽事的表現(xiàn)來看，兩款大模型在解答問題前，都會進(jìn)行類人思考，并將思考過程完整呈現(xiàn)出來，其中包括題意分析，解題過程中要用到的知識點(diǎn)及詳細(xì)的推理邏輯等，并會在發(fā)現(xiàn)問題時(shí)及時(shí)反思、糾錯(cuò)，應(yīng)該說這一功能相當(dāng)有用。因?yàn)樗鼤�讓用戶在得到答案的同時(shí)，知其然，更知其所以然，從而舉一反三，弄懂一大類題的解法。

　　此外支持識圖解題，而且識別率超高，無論是手機(jī)拍的紙質(zhì)試卷、作業(yè)，還是網(wǎng)上的截圖，都能輕松識別并解答。兩大模型的這一特點(diǎn)，很好地解決數(shù)學(xué)公式、圖形難以用鍵盤輸入的痛點(diǎn)。

　　只是在解題正確率方面，兩大模型表現(xiàn)出一定差異，相比之下，星火X1的正確率要更高一些，5題全對，成為本次“摸底考試”的“尖子生”，DeepSeek則失誤了兩題，以一道題20分，滿分100來算，此次比賽剛好及格。

　　訊飛星火深度推理大模型X1升級版之所以有這樣的表現(xiàn)，或許與其此次新增的兩大創(chuàng)新技術(shù)有關(guān)。

　　這兩大技術(shù)一是通過高效的領(lǐng)域數(shù)據(jù)自動化挖掘和多類型數(shù)據(jù)合成算法，構(gòu)建了海量的數(shù)學(xué)領(lǐng)域預(yù)訓(xùn)練數(shù)據(jù)，從而顯著提升了基座模型的數(shù)學(xué)專業(yè)能力;

　　二是基于評語模型與強(qiáng)化學(xué)習(xí)算法，實(shí)現(xiàn)了大模型長思維鏈的激發(fā)，同時(shí)評語模型還促使大模型在推理過程中進(jìn)行反思驗(yàn)證，進(jìn)一步提升了模型在推理階段的準(zhǔn)確性。