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快速发展，高考已经成为(chéngwéi)各家AI企业(qǐyè)检验模型能力的又一重要场景。 6月初，字节跳动旗下豆包大模型1.6正式(zhèngshì)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(kǎoshēng)”就和其他(qítā)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(tiàodòng)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(hòu)的高考分数近700分，相较去年成绩大幅提升(tíshēng)。而且去年偏文科严重(yánzhòng)的它，今年实现文理的均衡发展。 豆包的成绩可用突飞猛进来形容。优异成绩(yōuyìchéngjì)背后(bèihòu)，豆包在模型能力和技术上下了苦功。 本图为创意性构想(gòuxiǎng)，画面由AI生成 豆包战高考(gāokǎo)，有望上清北 高考不仅是(shì)高三考生的(de)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(gāokǎo)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，意味着(yìwèizhe)AI需要具备丰富的知识储备能力。 高考的题目全新。相关题目在市面上找不到，有助于模型(móxíng)泛化(fànhuà)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、场景或者任务(rènwù)中，是否(shìfǒu)能够表现出有效的预测和推理能力。 此次测评，豆包大模型1.6和其他大模型如(rú)Gemini（谷歌研发(yánfā)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），共同测试了2025年山东高(gāo)考试题(kǎoshìtí)。 考试开始，先要让大模型(móxíng)理解(lǐjiě)试卷。字节Seed团队在各个大模型内，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(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(kǎoshēng)水平(shuǐpíng)。 具体来看，豆包成绩排名靠前，理科648分(fēn)，排名第二；文科683分，排名第一。国产大模型的(de)数学成绩十分(shífēn)亮眼(liàngyǎn)。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(wùlǐ)等难度较大的科目上。 据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，意味着它能(néng)考上985高校(gāoxiào)理工科专业；文科赋分成绩在700分左右，也就是说(yějiùshìshuō)，“山东考生(kǎoshēng)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(gāokǎo)。2024年，有媒体对包含(bāohán)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(fēnshù)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(wèi)文字(wénzì)接龙游戏，本质为概率(gàilǜ)问题，推理和计算能力较弱。同时，国内外模型在训练数据上(shàng)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，情况发生变化。以豆包为例，成绩有了(le)很大跨越：理科在2024年(nián)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，原因在于豆包大(dà)模型1.6的多模态(mótài)能力持续提升，其拥有丰富的教育相关数据，具备深度思考能力。 所谓(suǒwèi)多模态，是指AI要同时处理多种数据类型(shùjùlèixíng)以便更全面地了解和分析事物。也就是说，大模型不仅要读懂文字，还要用(yòng)“眼睛看、耳朵听、嘴巴说”。 数据(shùjù)方面，据字节跳动Seed团队官方介绍，在(zài)多模态混合持续训练(xùnliàn)阶段，团队增加了学科、代码、推理类数据的占比，提升了文本(wénběn)数据的知识(zhīshí)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的解决。 “就(jiù)像考生通过刷题(shuātí)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，实现对特定问题的推理、验证(yànzhèng)和反思。”业内人士分析称。 就像大部分参与者希望(xīwàng)通过考试了解自身(zìshēn)不足、提高能力水平一样(yīyàng)，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竞争中保持优势。