AI参加高考，竟能上清北？

又到一年高(gāo)考查分时。大模型在经历高考之后，也要查分了。 随着AI快速(kuàisù)发展，高考已经成为各家AI企业检验模型能力的又一重要场景(chǎngjǐng)。 6月初，字节(zìjié)跳动旗下豆包大模型1.6正式发布，该模型由2023年成立的(de)字节跳动Seed团队推出。面世不久，这位“考生(kǎoshēng)”就和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(cèpíng)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，按照赋分(fēn)制调整后的高考分数近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(jūnhéng)发展。 豆包的成绩可用突飞猛进来形容。优异成绩背后，豆包在模型(móxíng)能力和技术上下了苦功(kǔgōng)。 本图为创意性构想，画面由AI生成(shēngchéng) 豆包战高考，有望上(shàng)清北 高考不仅是高三考生的(de)战场，也是各家大模型同场竞技的舞台。这(zhè)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，不同难度的知识点等(děng)，意味着AI需要具备丰富的知识储备(chǔbèi)能力。 高考的(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的测试(cèshì)。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、场景或者任务中，是否能够表现出有效的预测(yùcè)和(hé)推理能力。 此次测评，豆包大模型1.6和其他大模型如Gemini（谷歌研发(yánfā)的开源模型）、DeepSeek（国内深度(shēndù)求索研发）、Claude（美国AI独角兽公司Anthropic研发）、O3（美国OpenAI研发），共同(gòngtóng)测试了2025年山东(shāndōng)高考试题。 考试开始，先要让大模型理解试卷。字节Seed团队在(zài)各个大模型内，分别输入题目的文本和截图，让它们通过文字和图像的方式看见(kànjiàn)试卷、理解试卷，参与(cānyù)考试。 山东高考(gāokǎo)试卷满分750分。测评发现，5个推理模型，理科分数(fēnshù)最低为579分，文科分数最低为625分，基本都达到优秀(yōuxiù)考生水平。 具体来看，豆包(dòubāo)成绩排名靠前，理科648分，排名第二(dìèr)；文科683分，排名第一(dìyī)。国产大模型(móxíng)的数学成绩十分亮眼。DeepSeek成绩145分，排名第一；豆包大模型1.6成绩141分，排名第二。 山东高考为赋分制，3门副科的赋分相比原始分会有一定程度的提高(tígāo)，尤其(yóuqí)是在化学、物理等难度较大的科目上。 据(jù)山东当地媒体采访的一线教师估算，豆包大模型1.6的理科赋分约680分，意味着(yìwèizhe)它能考上985高校理工科专业(zhuānyè)；文科赋分成绩在700分左右，也就是说，“山东考生豆包”有望考上清华或者(huòzhě)北大。 成绩大幅提升(tíshēng)源于专业数据训练 这并不是豆包第一次(dìyīcì)参考高考。2024年，有媒体对包含豆包在内的国内外大模型进行高考评测。结果让人有些意外(yìwài)：高考分数一般，而且相较(jiào)国外大模型，国内大模型普遍(pǔbiàn)偏科。文科较好，但是理科成绩，尤其是数学成绩不理想。 AI偏科背后，原因多样。大语言模型(móxíng)可理解为文字(wénzì)接龙游戏(yóuxì)，本质为概率问题，推理和计算能力较弱。同时，国内外(guónèiwài)模型在训练数据上存在差异。此外，数学、物理等带有图像信息，大模型在图像识别上存在挑战。 但当下，情况(qíngkuàng)发生变化。以豆包为例，成绩有了(le)很大跨越：理科在2024年466.5分的基础上提高(tígāo)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(zuìdà)，从去年的61.5分提升至141分。 2025年高考成绩飞速提升，原因在于豆包大模型1.6的多模态能力(nénglì)持续提升，其拥有(yōngyǒu)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(gèng)全面地了解和分析事物。也就是说(shuō)，大模型(móxíng)不仅要读懂文字，还要用“眼睛看、耳朵听、嘴巴说”。 数据(shùjù)(shùjù)方面(fāngmiàn)，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(tuīlǐ)类数据的占比，提升了文本数据的知识和推理密度，同时加入了视觉模态的数据，与高质量文本数据混合训练。这意味着豆包模型得到专业数据训练，有助于垂直领域问题(wèntí)的解决。 “就像考生通过(tōngguò)刷题掌握(zhǎngwò)各类(gèlèi)解答技巧、在草稿上列出计算过程一样，通过学习专业数据和持续优化模型架构，大模型具备了深度思考能力，也能通过描述思维过程，实现对特定问题(wèntí)的推理、验证和反思。”业内人士分析称。 就像大部分参与者希望通过考试了解自身不足、提高能力水平一样，豆包(dòubāo)大模型参与高考，或许还是(háishì)希望通过不断总结实战经验，以便在未来的AGI竞争中保持优势(yōushì)。