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(suízhe)AI快速发展，高考已经成为各家AI企业检验(jiǎnyàn)模型能力的又一重要场景。 6月初，字节跳动旗下豆包大(dà)模型1.6正式发布(fābù)，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(jiù)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团队的测评中，豆包取得不错成绩(chéngjì)(chéngjì)：综合成绩排名靠前。不管是文科还是理科，按照(ànzhào)赋分制调整后(hòu)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发展。 豆包(dòubāo)的成绩(chéngjì)可用突飞猛进来形容。优异成绩背后，豆包在模型能力和技术上下了苦功。 本图为创意性构想，画面由(yóu)AI生成 豆包战(zhàn)高考，有望上清北 高考不仅是高三考生的战场，也(yě)是各家大模型同场竞技的舞台。这对于(duìyú)AI来说是一次综合练兵。 高考考查(kǎochá)内容十分(shífēn)全面，涉及文科、理科，文字、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。 高考的(de)题目全新。相关(xiāngguān)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(chǎngjǐng)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(cèpíng)，豆包大(dà)(dà)模型1.6和其他大模型如Gemini（谷歌研发的开源模型）、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，先要让大模型理解试卷。字节Seed团队在各个大模型内(nèi)，分别输入(shūrù)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。 山东高考试卷满分(fēn)750分。测评发现，5个推理模型(tuīlǐmóxíng)，理科分数最低为579分，文科(wénkē)分数最低为625分，基本都达到优秀考生水平。 具体(jùtǐ)来看，豆包成绩排名(páimíng)靠前，理科648分，排名第二；文科683分，排名第一。国产大模型(móxíng)的数学(shùxué)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(wèi)赋分制，3门副科的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(nándù)较大的科目上。 据山东当地媒体采访(cǎifǎng)的一线教师估算，豆包(dòubāo)大模型1.6的理科赋分(fùfēn)约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(zuǒyòu)，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(dòubāo)第一次参考(cānkǎo)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：高考分数一般，而且(érqiě)相较国外大模型，国内大模型普遍偏科。文科较好，但是理科成绩(chéngjì)，尤其是数学成绩不理想。 AI偏科背后，原因多样。大语言(yǔyán)模型可理解为文字接龙游戏，本质为概率问题，推理和计算能力较弱。同时，国内外模型在(zài)训练数据上(shàng)存在差异。此外，数学、物理等带有(dàiyǒu)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。以豆包(dòubāo)为例，成绩有了很大跨越：理科在(zài)2024年466.5分的基础(jīchǔ)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，原因在于豆包(dòubāo)大模型1.6的多模态能力持续提升，其拥有丰富(fēngfù)的教育相关数据，具备深度思考能力。 所谓多模态，是(shì)指AI要同时(tóngshí)处理多种数据类型以便更全面地了解和(hé)分析事物。也就是说，大模型不仅要读懂文字，还要用“眼睛看、耳朵听、嘴巴说”。 数据方面(fāngmiàn)，据字节跳动Seed团队官方介绍，在多模态混合(hùnhé)持续训练(xùnliàn)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(zhè)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。 “就像考生通过刷题掌握各类解答技巧(jìqiǎo)、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(le)深度思考能力，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(dà)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，或许还是希望通过不断总结实战经验，以便在未来的AGI竞争中保持(bǎochí)优势。