上周有位妈妈把两道二年级数学题分别丢给了豆包、DeepSeek、小猿和作业帮。结果豆包和DeepSeek各只做对一道，方法还绕；小猿只给出一道答案；作业帮一对一错。四家AI，没能凑齐一道完整、二年级孩子能看懂的正确解法。小红书
如果这是孤例，你大可以安慰自己"运气差"。但从去年12月到今年9月，小红书上关于AI答题的吐槽帖排成了一串。四年级作业批改，减法都能算错，追问一句"是不是算错了"它就开始装死机。检查一道题，48+1+1+1它写等于50，反过来把孩子写对的51判成错（8月12日）。初中物理电磁继电器综合题，拍照搜出来最后答案是错的（9月17日）。高中微积分"题看错、解错，还特别犟，死不承认"（9月16日）。公务员言语理解题，粉笔的答案、豆包的答案和评论区网友吵成一片（9月30日）。还有人同题问五次，五次全错。评论区有人贴出记录：同一道错题，9次重复，每次相隔不到一分钟。小红书小红书小红书
把这二十来条翻车样本摊开看，错误其实分三类：算错——简单运算链条是通病；看错——拍题认错题干、认错选项，是"拍照答疑"最大的错误来源，有家长发帖吐槽"要么题目审错要么选项看错，提醒几遍还是错"，底下19条评论跟着应和。改口且不认错——这是让家长最窝火的一类，"谦虚但总出错"这句评语在评论区拿了32个赞。小红书小红书
真正危险的恰恰是前两类，因为AI"错得特别像对的"。千赞帖里那位妈妈说得很准：过程完整、语气笃定，孩子照着错的思路学，家长一眼根本发现不了。有位家长做过一次最直观的对照：同一页54道口算，里面有两个错，换千问批改全部被圈了出来；豆包却只识别出50道，两道错题一个也没找出来（3月7日）。被绿色对勾盖满的卷子看起来最让人放心，也最容易把错误带进期中。小红书小红书
榜单98%和作业题翻车，为什么不矛盾
这周正好有两篇东西把这个疑问拆开了。一篇是知乎10月1日的《AI大模型天梯榜，我替你把水分挤了一遍》——作者先声明这只是三题三模型的小样本对照，不当结论用，但演示很扎心：同一道常识题，对话版22个token、0.7秒答对，推理版多花7倍时间答同一个对的答案，成本差42倍。另一个推理版更绝，把输出预算全花在"内部思考"上，答案还没写出来就被长度截断，交了白卷。另一篇是B站9月16日的AI评测科普，一句话点破：商家都说自己第一，但基准分高不等于实际好用。知乎哔哩哔哩
更值得玩味的是同一天的另一篇：《AI大模型私有题库测评汇总排行榜（2026-10）》直接把矛头对准公开榜单——不少测评题目长期公开，存在被针对性优化的空间，于是作者改用猫榜、致知等几套私有或held-out题集统一尺度重新排名。做榜的人自己开始换尺子，说明标准题集和真实体验之间的裂缝，已经大到圈内人没法假装看不见了。知乎
原因不难理解：榜单测的是一套标准题集的分布，你孩子交上去的是手写体、拍照模糊、带坑的低年级题、应用题——两个分布根本不一样。而且大模型不是"查答案"，是每次现场重新"写"一遍解答，同题再问一次就可能换一个答案，这不是心情问题，是生成式输出的本性。评论区老用户的自救方式也印证了这一点：目前没有任何一个AI大模型完全正确，有人用豆包、千问、DeepSeek三个同时问。底下67个赞的回复只有七个字：“然后你会发现全错”。所以问题的根子不在"哪家模型聪明"，而在很多家长其实是在让AI"做标准"。小红书
先说一个反常识：高热"避雷帖"，不少本身就是广告
这半年最热的几条"AI讲题翻车"帖，点进去看会发现结尾都完成了商业闭环：那条千赞帖最后推荐的就是小猿AI（“30亿真题库+老师人工审核"是厂商话术，不是独立评测结论）；944赞、116评的"别乱给娃用通用AI搜题”，帖子本身就是"开学之后陪写作业，检查作业真的太消耗家长精力了"话术开头，评论区清一色客服回应。百度拍题也有对应的"辅导作业别乱选AI拍题"帖（9月28日）。"AI会讲错题"这个社区共识是真的；但"所以要用我家的"是另一回事。挑工具的第一步不是比聪明，是比标准从哪来——挂教材答案、真题库、老师审核的是一类，大模型现场生成的是另一类。作业帮搜题现在全是AI生成答案、想搜标准答案反而费劲，正是9月29日那条吐槽的原型。小红书小红书
按学段抄作业：一份不赌答案的用法
小学低年级：AI只用来"读题、讲思路"，不用来"出答案"。口算、应用题的答案以课本和老师的讲解为准；AI的方法和学校方法冲突时，按学校的教——二年级要的是那一种，不是"另一种也对"。
小学高年级、初中：用"2+1"交叉核对——两个不同厂商的大模型，加一个题库类App。三家答案一致再给孩子讲；不一致，让孩子自己复述题目重做一遍，家长拿教材答案定夺。别让AI从"核对答案"滑成"生产答案"。
高中：把提示词改掉："先别给答案，一次只问我一步，引导我自己推。"知乎那个"用AI刷题正确率变高、一离开AI就不会做"的问题（9月30日）下面，高票回答一语中的：你是让AI做题，而不是和AI学做题。涉及史实、文学常识这类事实题，别要结论，要出处——让AI报章节页码，自己去翻原文，这是小红书评论区验证过省钱又省心的用法。知乎
成年备考（公务员、资格证、国开）：以题库标准答案为锚，AI只负责解释"这个选项为什么错"，不负责定"答案是什么"。但也不必迷信机构答案一定对AI一定错——言语理解本来就存在争议空间，发帖问"是粉笔错了还是豆包错了"的争议题，评论区一派挺A一派挺B。把分歧本身当训练材料：让两边都写出推理，你自己裁决一遍，比背任何一家的答案都有用。小红书
这套"别信单个AI"的直觉，教育行业里已经有人做成了流水线。9月29日，一个给初中生出题的在线教育平台（拾阶网）公开了AI出题的"五道关"：出完题不让模型自己审，因为让模型带着答案自查，做的不是重算而是替答案找解释，一个错答案它能推导得严丝合缝。要换一套独立工具重算：让模型写Python、用符号计算从头算一遍，还专门留着"算不出来"的出口（不留，模型就会硬凑一个"验证通过"）；再换视角把题重做一遍查歧义；四道机器关之后仍是人工抽检兜底。知乎
作者有句话值得所有家长抄下来：错题的代价和对题的价值不在一个量级上——这道题没让孩子少拿几分，它教会了孩子一件错事。家庭版验证用不着符号计算，把顺序记住就行：先算、先做，再比对，别让AI先看结论。知乎
四类题别交给AI定夺：多步运算链条、拍照识别的手写题、奥数坑题、答案直接决定得分的题（考试、填报、缴费类判断）。
接下来盯什么
接下来两个月可以留意各家教育AI的"正确率"口径：谁给出了测试题型和分布，谁只喊一个百分比。以及下一次模型发布，别问"变强了多少"，问"它开始做对哪类题"——榜单是快照，不是合同，这是这篇对照实验文里最值得记住的一句话。知乎
家长问"哪个AI最聪明"，多半是想找一个能直接抄的答案。但这件事真正的结论不在榜单上：先定了标准，AI哪个都能当助教；让AI做标准，排名第一的也是赌。
