从 【马上公布结果】佬们觉得哪个AI高考数学肯定能考满分？ 以及 新高考数学一卷出炉，测测哪些 AI 有实力 继续讨论 

本次测试为一次性全部发送，看模型能答多少分
叠甲：


问 1： 
为什么不是一个一个题发送? 
答 1： 
因为现在的模型都太强大了，先用这个方式来测试，后续再继续测试，一个一个题发送，写另一个排行榜。另外还可以针对这个排行榜里面做错的题，对各个模型进行多次的询问，取最差结果。 
我 GPT OSS 120b 和 GPT OSS 20b 是用的一个一个题问的方式（新开对话） 
 [clipboard-1780936211666-1] 


问 2： 
为什么国产模型只测了Qwen 3.7 Max？为什么国外模型没测 Muse Spark、Grok？为什么 Claude 4.8 Opus 只测了一次？ 
答 2： 
测了 Qwen 3.7 Max 是因为千问官网太好了...