1月15日，科大讯飞发布了当前全国产算力平台上唯一的深度推理模型——讯飞星火X1。3月3日，星火X1迎来升级，数学能力全面对标DeepSeek R1和OpenAI o1，显著提升竞赛级难题应对能力及中小学数学作业批改、辅导等任务表现。同时，首发星火医疗大模型X1，并推出包括星火一体机在内的系列新品。

科大讯飞在官宣中表示，升级后的星火X1之所以会在数学能力上有突破性进展，主要是该版本采用了两大创新技术。

一是通过高效的领域数据自动化挖掘和多类型数据合成算法，构建了海量的数学领域预训练数据，从而显著提升了基座模型的数学专业能力；

二是基于评语模型与强化学习算法，实现了大模型长思维链的激发，同时评语模型还促使大模型在推理过程中进行反思验证，进一步提升了模型在推理阶段的准确性。

那么，这款升级后的星火X1是否真如科大讯飞所说，在数学能力方面可全面对标在业内以推理著称的DeepSeek R1？下面我们就来做一个简单评测。

为保证测试公平性，两款大模型均以首次生成的答案为准。

测试题为《2024年山东省济南市中考数学试卷》中的解答题，8个小题，共72分。为确保输入正确，每题均先截图，然后由两大模型识别图片中的字符并解答。

这一方法，除了能检验两大模型的解题能力外，还能验证其OCR识别能力。毕竟对于数学、物理、化学等学科来说，图形、公式、符号是常态，用键盘输入的方式很难完成。如果OCR识别能力差，无法正确识别文字、字符、公式、图片，不仅会极大影响大模型的解题正确率，同时也会令其适用场景变窄，如无法赋能字纸作业和试卷等。

试题1：

星火X1解答如下：

DeepSeek R1解答如下：

该题分值为6分，正确答案是4，星火X1回答正确得6分，DeepSeek完美答错，答错原因，应该是DeepSeek在识别图片中的字符时，误将“-Sin30°”当成π/2次方数的一部分了。

试题2：

星火X1解答如下：

DeepSeek R1解答如下：

该题DeepSeek R1犯了与第一题类似的毛病，字符识别不正确，误把3x+1①识别成了3X+10，最后导致答案错误。该题满分6分，星火X1回答正确，得6分。

试题3：

星火X1解答如下：

DeepSeek R1解答如下：

该题两大模型完美回答，各得6分。

试题4：

星火X1解答如下：

DeepSeek R1解答如下：

两大模型全部答对，各得8分。

试题5：

星火X1解答如下：

DeepSeek R1解答如下：

两大模型完美地解决了该问题，各得10分。

试题6：

星火X1解答如下：

DeepSeek R1解答如下：

星火X1完全答对，得10分；DeepSeek R1基本答对，只是在解答最后一个问题时，忽略了F点有可能在点C的上方这一事实，只考虑到了当G点在点F右方这一种情况，因此少给了一个坐标。按本大题满分10分，前两小题比较简单，各占三分，最后一小题占4分来打分，DeepSeek R1本题得分8分。

试题7：

星火X1解答如下：

DeepSeek R1解答如下：

星火X1三个小题均给出了正确答案，只是解题过程过于笼统，扣1分，该题满分12分，得11分。DeepSeek R1解题过程相对详细、明了，但最后一小题答错了，扣4分，得8分。

试题8:

星火X1解答如下：

DeepSeek R1解答如下：

两大模型回答基本正确，只是在解答2小题上，都忽略了其实还有一种情况，那就是AC=AD，当AC=AD时，点D还应该存在一个坐标，即（1，√6）；本题满分12分，以每小题4分计，各扣2分，最终两大模型得分均为10分。

小结：

最终两大模型考试成绩见下表：

两大模型成绩汇总（满分：72分）

从两大模型本次考试的最终得分来看，星火X1的数学能力不但能全面对标DeepSeek R1，而且实现了超越。

DeepSeek R1最失分的地方是在试题一和试题二，由于图片文字识别错误导致答案错误，这也充分说明，在OCR识别方面，DeepSeek R1和星火X1相比还有一定距离，后期需要改进。

其它方面，两款大模型差别不大，解题前，都会给出逻辑缜密的思考过程，让用户不但知道应该怎么做，还知道为什么要这么做，以后遇到此类问题时应该怎样思考，这一点非常重要，因为它在“喂”的同时，也起到了教书育人的作用，是学生、家长24小时可随时请教的良师益友。

“人工智能的存在不是为锦上添花，而是要解决社会刚需。”此前谈到人工智能，科大讯飞董事长刘庆峰曾表示。本着这一理念，科大讯飞自推出星火大模型后，就将其广泛落地于旗下各业务，比如教育、医疗、智慧汽车、智慧办公、智慧城市等，并针对C端用户，推出AI学习机、智能办公本、翻译机、录音笔，智能耳机等产品。

责任编辑：kj005

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com