AI 做数学题，经常出现答案正确、过程错误，或者过程流畅、结论错误的情况。所以评价各家模型的数学能力，光看对错不够，解题步骤的质量才是更能反映真实水平的地方。这篇按检查步骤、易错题型、复核方法展开，帮你建立一套自己的测试流程。
数学能力有两个层次
第一层是算得对：基础运算、方程求解，主流模型在常规难度下表现都不错。第二层是推得严：多步证明、应用题建模、含隐含条件的题目，考验的是逻辑链条的完整性。两层经常脱节，有的模型靠模式匹配答对常见题型，题目稍作变形就露馅。对比测试时，两层都要覆盖。判断模型属于哪一层的简单办法：出一道课本原题的变形题，表现立见。自己出题时两层各占一半，别拿一堆口算题就下结论。
看步骤比看答案更有信息量
拿到回答后重点检查三处：假设是否交代清楚、每步推导是否用到了合法的规则、结果是否真的回答了问题。以 DeepSeek 为代表的推理型模型会展示较完整的思考链条，具体输出形式以产品当前版本为准。步骤里最值得警惕的是跳步：直接从条件跳到结论，中间没有过程，这类回答即使对也要存疑。存疑的办法很朴素：把跳步的环节单独拿出来，请它补上中间过程，补不出来就说明它其实没算明白。
把 AI 当数学陪练的正确姿势
学习场景里，AI 的价值在讲解而不在代劳。做题前先自己完整写一遍，再让 AI 批改你的过程，指出哪一步的依据站不住；做错后让它追问你卡住的原因，而不是直接给答案；掌握后请它出同类变式题，检验是不是真的会了。这个循环里 AI 扮演的是随时在线的陪练，你保留思考的完整过程，能力才留在自己身上。
容易翻车的题型清单
几类题型要格外当心：题面带生活常识陷阱的（模型可能忽略隐含条件）、需要空间想象的几何题、大数运算与单位换算、题干本身有歧义的题目。变形题也是重灾区：把课本原题换个数字或场景，模式匹配的弱点就暴露。遇到这些类型，多一步人工复核不吃亏。出错的另一大来源是抄错题：输入题目时漏一个负号，模型再强也白搭。输入完先通读一遍题干再发送。
用复核提问压低错误率
有效做法是让模型交叉验证：请它用另一种方法解同一题，比较两条路径的结果；或者请它逐步检查自己的推导，指出最可能出错的环节。两种方法结果一致，可信度上升；出现分歧，就把分歧点单独拿出来讨论。学习场景下还能让它解释每一步为什么这样做，对错之外顺便学方法。对答案的顺序也有讲究：先自己判断，再看模型的复核，最后才对照标准答案。把常错的题型记进错题本，隔段时间重测一次，检验是不是真的掌握了。错题本同样能让 AI 帮你归纳错因，比单纯抄题更有用。
数学能力对比的常见疑问
- 模型说自己算对了，能直接信吗？：不能。模型可能自信地出错，关键结果用另一种方法复核或人工验算更稳妥，验算优先查进位、符号、单位这类低级错误。
- 为什么同一道题两次答案不一样？：生成过程带有随机性，复杂题目不同轮次可能走出不同路径，结果不一致恰恰说明需要复核，别在同一对话里反复要求它改答案。
- 学数学用 AI 会不会产生依赖？：把它当讲解和陪练，要求它解释思路而不是只要答案，能降低依赖风险，先独立完成再对照讲解，顺序别反。
