连续用Gemini、千问、豆包、元宝和百度AI来解题，均得不到满意答案，没办法，只能自己解答了。我们先来看题目：

越秀区八年级上册数学期末考试第25题

有兴趣的同学或家长可以做做看，第三问确实有点难度。以下是我的解题过程：

（1）

∵∠ACB=90°，∴∠ACD+∠ECB=90°

∵BE⊥CE ， ∴∠CBE+∠ECB=90°

∴∠ACD=∠CBE

（2）

在△ACD和△BCE中

AC=BC

∠ACD=∠CBE

∠ADC=∠BEC=90°

∴△ACD≌△BCE

∴CE=AD=3，BE=CD=5

∴DE=5-3=2

∴S△ABD=1/2(AD*DE)=3

（3）

作CP⊥AF交AF于P点，延长AP交BE于Q点，连接AQ

∵ ∠CEP=∠AED，∠ADE=∠CPE

∴ ∠DAE=∠PCE=∠QCE

在△AED和△CQE中，

CE=AD

∠DAE=∠QCE

∠ADE=∠CEQ

∴ △AED≌△CQE

∴ AE=CQ，EQ=DE

∵ AE=CG

∴ CG=CQ

∵ ∠QCF+∠QCA=90°，∠QCF+∠CFA=90°，

∴ ∠QCA=∠CFA

∵ ∠GCA=∠CFA

∴ ∠GCA=∠QCA

在△ACG和△ACQ中

AC=AC

∠GCA=∠QCA

CG=CQ

△ACG≌△ACQ

∴ AG=AQ

∵ EQ=DE，AD=CE，CD=BE

∴ AD=CD-ED=BE-EQ=BQ

又∵ AD∥BQ

∴ 四边形ADBQ为平行四边形

∴ AQ=BD

∴ AG=BD

当AI能写代码、改论文、甚至模拟人类对话时，很多人默认它能轻松搞定中小学数学题。但今天我用这道越秀区初二几何压轴题对5款主流AI做了次实测，结果却颠覆认知——所有模型均未能给出正确且合理的完整解答，不同AI的表现差距比较悬殊，暴露了当前大语言模型在数学推理领域的致命短板。

本次测试选用的题目并非偏题怪题，而是初二数学试卷中常见的几何综合压轴题，难度适中，核心考察三角形全等、图形变换与隐含条件挖掘能力，属于尖子生能独立破解、优等生稍加引导可完成的范畴。测试对象涵盖国内主流AI与国际知名模型：豆包、千问、元宝、百度AI，以及Gemini，均采用默认设置，将题目以图形方式输入，并告知这是初二的数学题，要求给出详细解题步骤与最终答案。

虽然最终没有AI交出满分答卷，但不同模型的表现可清晰分为三个梯队，核心差距集中在逻辑推导的连贯性、定理应用的准确性和对题目隐含条件的挖掘能力上。

第一梯队：千问、Gemini——差一步到正确答案。这两款模型是本次测试的“相对优等生”。千问能准确识别题目核心考点，正确应用三角形全等判定定理，步骤拆解较为清晰，甚至能尝试添加辅助线，但在最后一步计算时出现数值偏差，导致最终结果错误，且未对解题过程进行验算修正。Gemini的表现与之类似，对图形空间关系的理解优于其他模型，能梳理出多步推理链条，却在关键的隐含条件转化上出现疏漏，将等腰三角形的性质误用于普通三角形，导致逻辑链断裂，最终偏离正确方向。

通义千问给出的答案

Gemini给出的解答

第二梯队：豆包、元宝——逻辑混乱，漏洞频发。这两款模型的解题过程明显缺乏系统性。豆包开篇即找错解题切入点，误用勾股定理且未满足定理适用条件，步骤之间毫无逻辑关联，甚至出现前后矛盾的推导，比如前一步认定的全等三角形，后一步又否定其对应边关系。元宝的表现更显随意，仅给出碎片化的公式罗列，给出的答案要滑十几屏，且没一个正确的答案，既无完整推理框架，也未结合题目条件展开分析，仿佛在随机堆砌几何定理，完全无法形成可追溯的解题路径。

第三梯队：百度AI——依赖题库，无自主推理能力。百度AI的表现最令人失望，本质上更像一个“题库搜索器”。在未检索到完全匹配的题目时，它无法构建任何有效推理，仅给出一段泛泛而谈的解题思路，既不结合本题条件，也不提供具体步骤，甚至推荐了与题目考点无关的解题方法。这种“有题库就抄，无题库就慌”的表现，完全暴露了其缺乏自主逻辑推理能力的短板。

元宝和百度AI的解题过程与答案我就不上传了，如果你想测试一下，可以把题目喂给它们，看它们给出的结果。不过再过几天，网上有了这个题目完整且正确的解答之后，相信他们可以给出正确答案了，完全靠搜索，而不是思索。

一次实测或许不能代表全部，但结合行业研究来看，AI在几何题解答上的普遍拉胯，并非偶然，而是由大语言模型的底层架构与数学推理的核心需求不匹配导致的。

首先，统计匹配替代不了逻辑推导。主流大语言模型的核心机制是基于海量数据预测下一个文本token，而非像人类一样理解原理后逐步推导。解几何题时，它更擅长匹配训练数据中相似题目的解题模式，而非真正理解定理内涵与图形关系。百度AI的表现正是这一问题的极端体现，而千问、Gemini的失误，本质上也是在模式匹配失效后，无法通过自主推理修正偏差。

其次，多步推理易累积误差，几何题容错率为零。一道几何压轴题通常需要10步以上的连续推理，哪怕每一步准确率达90%，10步后综合准确率也会降至34.8%。文科内容的表述偏差可能不影响整体理解，但数学推理只要一步出错，后续全部崩盘。千问的计算失误、Gemini的定理误用，都是这种误差累积的典型结果。

最后，空间关系理解与训练数据存在短板。几何题对空间想象力的要求极高，而大语言模型的架构原本为自然语言处理设计，难以精准捕捉图形中的空间约束关系，容易出现顶点位置混淆、角度关系误判等问题。同时，训练数据中文科文本占比极高，高质量几何推理标注语料匮乏，导致模型难以接触到足够多的复杂题型逻辑，面对需挖掘隐含条件的题目时便束手无策。

如今不少家长和学生将AI视为“解题神器”，但本次实测提醒我们：至少在几何推理领域，AI还远未达到可靠水平。尤其是面对需要逻辑串联、条件挖掘和空间想象的题目时，AI的表现甚至不如基础扎实的初中生。

值得注意的是，AI的数学能力也在逐步进化。部分模型通过接入计算器插件、优化训练方式，已能精准解答部分高考难题，中科院与上海人工智能实验室构建的几何评估体系，也在推动模型逻辑推理能力的提升。但就目前而言，AI更适合作为基础题目的辅助练习工具，或提供解题思路参考，绝不能替代人类的独立思考。

对学生来说，与其依赖AI刷题，不如深耕定理本质、强化逻辑推导能力——这些恰恰是当前AI的短板，也是人类智能的核心优势。毕竟，数学学习的意义不在于得出答案，而在于掌握一步步拆解问题、推导真理的思维方式，这一点，AI暂时还学不会。