百利宫

有道相关负责人对记者表示，今年以来AI进展迅速，尤其是DeepSeek-R1带来了推理模型大爆发，而大模型推理能力和交互能力在教育场景的适配性非常高，能够逐步解决个性化教学和答疑的需求，而且提供的指导和答疑质量越来越高，所以选择与高考顶尖学霸进行同题测试，用一种直接明了的方式向大众展示AI大模型能力的提升。

过去一年时间，不少大模型公司将数学能力作为大模型的能力体现。OpenAI在介绍OpenAI o3-mini时表示，OpenAI o3‑mini 的高推理能力在 FrontierMath 上的表现优于其前辈。在 FrontierMath 上，当被要求使用 Python 工具时百利宫，具有高推理能力的 o3‑mini 首次尝试即可解决超过 32% 的问题，其中包括超过 28% 的挑战性 (T3) 问题。FrontierMath是由Epoch AI联合60余位全世界的数学家共同推出了全新的数学基准，其原创的数学问题对于专业数学家而言仍需数小时甚至数日解决。不过，OpenAI公布的成绩后续曾遭到质疑。