我国已经孵化出了很多领先世界的大模型，这些大模型的功能不仅仅局限在领域内的推理和借鉴，还有一个很酷炫的功能，就是能够让它们在挑战高考数学题目时更能够应对各种变化。
但在挑战高考数学的最后，这些国产大模型中竟然意外炸出了这样一个bug，那就是它们无法识别数学题中的图片，也就无法生成答案。
那么这到底是哪个模型呢? 国内的大模型还是GPT-4o呢?
为了解开这个谜题，我们找来最火的AI识图测试，来看看哪些模型能够直接答出正确答案，哪些国产大模型又炸裂了。
AI 识图测试。
在挑战AI识图测试之前，我们先来看看AI模型在“协助”老师们检查高考数学的试卷时，有着怎样的表现。
首先要测试的自然是AI的计算能力，所以我们先挑选了一道很有代表性的高考选择题，这是一道选用题中常见的方程题。
高考数学在大题中常用的方法就是已知条件直接解除未知数的值，并对答案部分进行推导。
而前面部分中除了选择题，其它大题中，基本都是先写出方程，然后进行数学推导。
所以，这两题中要想让AI能够直接生成答案，首先要保证AI的推理计算能力能够推导出一个平等式的值，并且将答案部分转化成文字表达。
很多人会把这道题目中的条件直接扔给AI，让它进行数学推理，但是实际中，当AI遇上生成条件问题时，它还需要对句子进行整体推理，而不是仅靠已知条件进行数学推理，所以这就导致大部分AI都无法推出这道题的答案，更别说生成答案了。
有些人会想:AI又不是真的人，叫它去推演数学公式区别不大，但是实际中AI模型更多的是借鉴，给它两个例句，它就能够生成符合题目要求的句子，但这并不代表它能综合推理。
后面这道题则是以大题的格式直接给出的，这就比较简单了，只需要AI能够识别出文字，并且进行推理。
但问题关键在于这些模型总是会犯一些语病，并且计算不准确，导致AI的答案总是不对。
然而在挑战AI识图测试中的表现，却更能检验出这些大模型在模式识别和文字推理上的能力。
这不是在打击我国的大模型，只是一个实际存在的现象，所以也暴露出我国大模型需要注意的地方。
这个AI识图测试就是把高考数学大题中和毕业考试中的判断题，也就是数字填空题全部转化成文字，让AI进行回答。
在这样的测试中，就算AI识图的能力不行，但它还是能够先把题目按照文字使用模型进行判断，然后再对直接生成答案的模式进行检验。
不得不说我国的大模型真的很牛，这么快能够开发出如此巨大的模型储备库，其中不仅有中英文互译，还有各种各样的图像识别。
AI挑战高考数学题目。在进行挑战高考数学题目前，显然选择一道题进行全题尝试更能够直接检验出AI的素质。
所以这次我们选择的题目就比较常见，是2019年高考数学北京卷必选题，这是多盛数相加有理数的典型应用题。
2019年的这道高考数学题在数学中并不是一道特殊的题目，只是构造方法和应用的方法更加特殊，而且一般学习数学时，我们常常用齐次加法来解决此类问题。
但是2019年的高考数学题中，四则运算同论也是可以使用的，并且在这类题目中已经是第二次涉及到这种问题，所以说这种构造方式也是一种非常特殊的方法。
这种特殊方法就像是在不同领域中的另一种语言，懂的自然不难，但不懂的就需要好好学习一下。
而这道题目就是，一张圆形的纸，在上面不断地剪下一半，直到16分之7，问剪了几次?
给定的选项有a. 5 b. 8 c. 10 d. 13。
这道题题目并不难，但是许多模型却无法直接识别出来，原因就是因为这道题用的是图片。
所以AI的识图水平就显得非常重要了，然而AI的计算能力更需要改进，在模型识别了图片，生成了答案后，还需要对答案进行检验，而这时就需要AI的计算能力了。
而后一部分的挑战AI识图就比较简单了，直接将高考大题转为数字填空题进行挑战即可。
当然这个过程中也会有语病或者错误答案的情况，所以我们要对AI的回答进行整理，一定要读懂AI的回答，这样才能够检验AI模型的效果。
我们在挑战AI数学识图的过程中，最大的问题还是蕴藏在AI模型识别图片上，尤其是尺度无法确定的情况，所以很多时候我们会额外的提供图片的尺度信息。
但是在数学题中，尺度信息并不会额外提供，而且很多情况下对图片尺度的补充也需要一定的数学推论。
在挑战过程中，我们发现GPT-4o这个名模型在没有考虑图片的情况下，它的识图水平会相对更高一些。
但就是因为GPT-4o太过于火爆，所以这个模型中的毛病就会被放大出来，而且在模式识别上，它总会和一些奇怪但是解法更快的国产大模型进行比较。
但往往这一类比较都会因为资讯的年代和选取的时空点不一样，所以不可避免的会有些偏差。
但GPT-4o的名气毕竟是世界第一，所以人们总会习惯性的用GPT-4o做一个标准，然而国内大模型的出现，也排除了一些思想的盲目，也不会再的认为国内大模型就是不行。
事实上这两者各有各的用途，毕竟GPT-4o是全世界第一款正式形成大模型，所以其语言衔接性和文字表达都非常的好。
但国内大模型确是我国环境中，最接地气的模型，正是因为这两种模型都有其不同的地方，所以这两个模型的优缺点也是一一对应的。
所以在挑战高考数学题时，出现了这样的情况，也是在检验国内大模型的识图能力，但是GPT-4o在没有识图的干扰下，就会显得更优秀一些。
所以这就引出了一个问题:国内大模型在识图上反而不如GPT-4o，但GPT-4o在文字识别上反而不如本地大模型。
那么这个问题要分析开来，一是GPT-4o在识图上的问题，二是GPT-4o在算法方面的问题。
GPT-4o在算法上相对问题不大，因为GPT-4o的算法名气真的是非常大，但问题就出在GPT-4o在识图时，所以问题就来到了，到底是GPT-4o的算法更好，还是GPT-4o对图片的适应程度更好。
而在这个问题上一时半会还无法得出结论，所以要从不同的侧面来检验这两个模型的能力，而在实际使用时，也不能一昧的说GPT-4o好还是国产大模型好，要从不同的方面才能达到实际性上的判断。
而国内大模型的技术方面也是需要加强的，毕竟技术要不断的升级才能够更好的开展下一步的工作，所以我们对技术的进步也要保持关注，相信国产大模型在数学题上的能力会有所提高。
