AI参加高考，竟能上清北？

又到一年高考查分时。大(dà)模型在经历高考之后，也要查分了。 随着AI快速发展，高考已经成为(chéngwéi)各家AI企业检验(jiǎnyàn)模型能力的又一重要场景。 6月初，字节跳动旗下豆包(dòubāo)大模型(móxíng)1.6正式发布，该模型由2023年成立的字节跳动Seed团队推出。面世不久，这位“考生”就和(hé)其他大模型一起接受了2025年山东卷的高考测试洗礼。 在字节跳动Seed团队的测评中，豆包取得(qǔde)不错成绩：综合成绩排名靠前。不管是文科还是理科，按照(ànzhào)赋分制调整(tiáozhěng)后的高考分数(fēnshù)近700分，相较去年成绩大幅提升。而且去年偏文科严重的它，今年实现文理的均衡发展。 豆包的成绩可用突飞猛进(tūfēiměngjìn)来形容。优异成绩背后，豆包在模型能力和技术上下了苦功(kǔgōng)。 本图(běntú)为创意性构想，画面由AI生成 豆包战高考，有望上(shàng)清北 高考(gāokǎo)不仅是(shì)高三考生的战场，也是各家大模型同场竞技的舞台。这对于AI来说是一次综合练兵。 高考考查内容十分全面，涉及文科、理科，文字、图像，不同难度的知识(zhīshí)点等，意味着AI需要具备(jùbèi)丰富的知识储备能力。 高考的(de)(de)题目全新。相关题目在市面上找不到，有助于模型泛化能力(nénglì)的测试。泛化能力是衡量AI模型优劣的关键指标之一，考察的是模型在日常训练之外的数据(shùjù)、场景或者任务中，是否能够表现出有效的预测和推理能力。 此次测评，豆包大模型(móxíng)1.6和其他(qítā)大模型如Gemini（谷歌研发的开源(kāiyuán)模型）、DeepSeek（国内深度求索研发）、Claude（美国AI独角兽公司Anthropic研发）、O3（美国OpenAI研发），共同测试(cèshì)了2025年山东高考试题。 考试开始，先要让大(dà)模型理解试卷。字节Seed团队(tuánduì)在各个大模型内，分别输入(shūrù)题目的文本和截图，让它们通过文字和图像的方式看见试卷、理解试卷，参与考试。 山东高考试卷满分750分。测评发现(fāxiàn)，5个(gè)推理模型，理科分数最低(zuìdī)为579分，文科分数最低为625分，基本都达到优秀考生水平。 具体来看，豆包成绩排名靠前，理科648分，排名第二(dìèr)；文科(wénkē)683分，排名第一(dìyī)。国产大模型的数学成绩十分(shífēn)亮眼。DeepSeek成绩145分，排名第一；豆包大模型1.6成绩141分，排名第二。 山东(shāndōng)高考为赋分制，3门副科的(de)赋分相比原始分会有一定程度的提高，尤其是在化学、物理等难度较大的科目上。 据山东当地媒体(méitǐ)采访(cǎifǎng)的一线教师估算，豆包大模型1.6的理科赋分约680分，意味着它能考上985高校理工科专业；文科赋分成绩(chéngjì)在700分左右，也就是说，“山东考生豆包”有望(yǒuwàng)考上清华或者北大。 成绩大幅提升源于专业数据(shùjù)训练 这并不是(shì)豆包第一次参考高考。2024年，有媒体对包含豆包在内的国内外大模型(móxíng)进行高考评测(píngcè)。结果让人有些意外：高考分数一般，而且相较国外大模型，国内大模型普遍偏科。文科较好，但是理科(lǐkē)成绩，尤其是数学成绩不理想。 AI偏科背后，原因多样。大语言模型可理解为文字接龙游戏，本质为概率问题，推理和计算能力(jìsuànnénglì)较弱。同时，国内外模型在(zài)训练数据上存在差异。此外，数学、物理等带有(dàiyǒu)图像(túxiàng)信息，大模型在图像识别上存在挑战。 但当下，情况发生变化。以豆包为例，成绩(chéngjì)有了(le)很大跨越：理科在2024年466.5分(fēn)的基础上提高了181.5分；文科在2024年542.5分的基础上提高了140.5分。具体学科来看，豆包的数学成绩提升幅度最大，从去年的61.5分提升至(zhì)141分。 2025年高考成绩飞速提升，原因(yuányīn)在于豆包大模型1.6的多模态能力持续(chíxù)提升，其拥有丰富的教育相关数据，具备深度思考能力。 所谓多模态，是指AI要同时处理多种数据类型以便更全面地了解和分析事物。也就是说，大模型不仅要读懂(dúdǒng)文字，还要用“眼睛(yǎnjīng)看(kàn)、耳朵听、嘴巴说”。 数据方面，据字节跳动Seed团队官方介绍，在多模态混合持续训练阶段，团队增加了学科、代码、推理类(lèi)数据的(de)(de)占比，提升了文本数据的知识和推理密度，同时加入(jiārù)了视觉模态的数据，与高质量文本数据混合训练。这意味着豆包模型(móxíng)得到专业数据训练，有助于垂直领域问题的解决。 “就像考生通过刷题掌握各类解答技巧、在草稿上列出计算过程一样，通过学习专业(zhuānyè)数据和持续优化模型架构，大模型具备了深度思考能力(nénglì)，也能通过描述思维过程，实现对特定问题的推理(tuīlǐ)、验证和反思(fǎnsī)。”业内人士分析称。 就像大部分(dàbùfèn)参与者希望通过考试了解自身不足(bùzú)、提高能力水平一样，豆包大模型参与高考，或许还是希望通过不断总结实战经验，以便在未来的AGI竞争(jìngzhēng)中保持优势。