硬核实测！ollama 运行 Qwen3.5、Qwen3.6、Gemma4 谁答高考数学更强

原文链接：https://mp.weixin.qq.com/s/yhw49JcvCpuRlg77ObYwxQ

2026 年高考已经落下帷幕，但属于开源大模型的「高考实战测评」才刚刚拉开序幕。

2026 年高考已经落下帷幕，但属于开源大模型的「高考实战测评」才刚刚拉开序幕。

我梳理了今年的全国卷数学考题，发现整套选择题没有配图类题目，纯文本形式非常适合做大模型能力基准测试。我把题目整理成了「一行题干、一行对应答案与分值」的格式，方便程序自动判分。本次测试选题总分合计 58 分，正好用来检验这几款模型的应试水平。

测试环境还是我们的老配置：Windows 系统 + CUDA12 + RTX 3090 24G 显卡，运行自研的 olala-test 测试脚本。本次参评的三款同量级开源模型分别是：qwen3.5:27b、qwen3.6:27b、gemma4:26b。

原本打算逐个模型依次跑测记录，后来干脆让 DeepSeek 帮忙写了一套循环批量打分程序，直接读取接口输出结果即可，省了不少事。

正式进入测试环节 —— 全程不会向模型泄露答案，保证测试公平性。

我看了一下请求：

没有把答案告诉模型，很好。可以开始了

第一段：qwen3.5:27b：总耗时 1302 秒，拿下 58 分满分，换算百分制为 100 分

两款千问模型双双满分，我一度怀疑是不是程序不小心给模型透了答案，直到 Gemma4 的结果出来才打消了顾虑：

测试结果一览

模型

得分（58分制）

百分制

总耗时

🥇 qwen3.6:27b
58/58100 分826.58 秒
🥈 qwen3.5:27b
58/58100 分1302 秒
🥉 gemma4:26b
26/5845 分2255 秒

本次测试中，qwen3.5:27b 和 qwen3.6:27b 都实现了 58 分满分通关，选择题全部答对，换算百分制均为 100 分。qwen3.6 不仅没有因为提速而牺牲准确率，反而做到了“又快又准”。

相比之下，gemma4:26b 仅获得 26 分，正确率约为 44.8%，换算后约 45 分。

gemma4:26b 是MoE 架构，每次激活少，理论上激活参数更少本应推理更快，除了一个异常调度外。其他答题速度确实快。也是因为激活参数少，他的正确性也无法没稠密模型对比了。

如果是你，你会选择什么模型呢，欢迎留言评论，也可以加微信进群，交流模型部署技巧，少走弯路，一起学习开源大模型落地应用！

本文转载自微信公众号，如有侵权请联系删除。