AI参加高考，竟能上清北？

又到一年高考查分(fēn)时。大模型在经历高考之后，也要查分了。 随着AI快速发展，高考已经成为各家AI企业检验模型能力的又一重要(zhòngyào)场景(chǎngjǐng)。 6月初，字节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(miànshì)不久，这位“考生”就和其他大模型一起接受了2025年山东卷(juǎn)的高考测试洗礼。 在字节跳动Seed团队的测评中，豆包取得不错成绩：综合成绩排名靠前。不管是文科还是理科，按照赋分制调整后的高考分数近700分，相(xiāng)较(jiào)去年成绩大幅提升。而且去年偏文科严重的它，今年实现(shíxiàn)文理(wénlǐ)的均衡发展。 豆包的成绩可用突飞猛进来形容(xíngróng)。优异成绩背后，豆包在(zài)模型能力和技术上下了苦功。 本图为(wèi)创意性构想，画面由AI生成 豆包(dòubāo)战高考，有望上清北 高考不仅是高三考生的战场，也是各家大(dà)模型同场竞技的舞台。这对于AI来说是一次综合练兵(liànbīng)。 高考考查内容十分全面，涉及(shèjí)文科、理科，文字(wénzì)、图像，不同难度的知识点等，意味着AI需要具备丰富的知识储备能力。 高考(gāokǎo)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。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(chū)有效的预测和推理能力。 此次测评，豆包大(dà)模型1.6和其他大模型如Gemini（谷歌研发的开源(kāiyuán)模型）、DeepSeek（国内(guónèi)深度求索研发）、Claude（美国AI独角兽公司(gōngsī)Anthropic研发）、O3（美国OpenAI研发），共同测试了2025年山东高考试题。 考试(kǎoshì)开始，先要让大模型理解(lǐjiě)试卷。字节Seed团队在各个大模型内，分别输入题目的(de)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(gāokǎo)试卷(shìjuàn)满分(fēn)750分。测评发现，5个推理模型，理科分数最低为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(fēn)(fēn)，排名第二；文科683分，排名第一。国产大(dà)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门副科的赋分相比(xiāngbǐ)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(shāndōng)(shāndōng)当地媒体采访的一线教师估算，豆包大模型(móxíng)1.6的理科赋分约(yuē)680分，意味着它能考上985高校理工科专业；文科赋分成绩在700分左右，也就是说，“山东考生豆包”有望考上清华或者北大。 成绩(chéngjì)大幅提升源于专业数据训练 这并不是豆包第一次参考高考。2024年，有(yǒu)媒体对(duì)包含豆包在内的国内外(guónèiwài)大模型进行高考评测。结果让人有些意外：高考分数一般，而且相较国外(guówài)大模型，国内大模型普遍偏科。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，本质为概率问题，推理和计算能力(jìsuànnénglì)较弱。同时，国内外模型在训练数据上存在差异。此外，数学、物理(wùlǐ)等带有图像信息，大模型在图像识别上存在挑战。 但当下，情况发生变化。以(yǐ)豆包为例，成绩有了很大跨越(kuàyuè)：理科在2024年(nián)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，从去年的61.5分提升至141分。 2025年高考成绩飞速提升(tíshēng)，原因在于豆包大模型1.6的多模态能力持续提升，其拥有丰富的教育相关数据(shùjù)，具备深度思考能力。 所谓多模态，是指AI要(yào)同时处理多种数据类型以便更全面地了解和分析(fēnxī)事物。也就是说，大模型不仅要读懂文字，还要用“眼睛看、耳朵(ěrduǒ)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(xùnliàn)阶段，团队增加(zēngjiā)了(le)学科、代码、推理类数据的占比，提升了文本(wénběn)数据的知识和推理密度，同时加入了视觉(shìjué)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的解决。 “就(jiù)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，通过学习专业数据(shùjù)和(hé)持续优化模型架构，大模型具备了深度思考能(néng)力，也能通过描述思维过程，实现对特定问题的推理、验证和反思。”业内人士分析称。 就像大(dà)部分参与(cānyù)者希望通过考试了解自身不足、提高能力水平一样，豆包大模型(móxíng)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竞争中保持优势。