AI参加高考，竟能上清北？

又到一年高考(gāokǎo)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(gāokǎo)已经成为各家AI企业检验模型能力的又一重要场景。 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年成立的字节跳动Seed团队推出。面世不久，这位(zhèwèi)“考生”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，按照赋分制调整后的高考分数近(jìn)700分，相较去年(qùnián)成绩大幅提升。而且(érqiě)去年偏文科严重的它，今年实现文理的均衡发展。 豆包(dòubāo)的成绩可用(kěyòng)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(wèi)创意性构想，画面由AI生成 豆包战高考，有望上清北(qīngběi) 高考不仅是高三考生的战场(zhànchǎng)，也是各家大模型同场竞技的舞台。这对于AI来说是一次(yīcì)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(yìwèizhe)AI需要具备丰富的知识储备能力。 高考(gāokǎo)的题目全新。相关题目在市面上找(zhǎo)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(guānjiàn)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和推理能力。 此次测评(cèpíng)，豆包大模型(móxíng)1.6和其他大模型如Gemini（谷歌研发(yánfā)的开源模型）、DeepSeek（国内深度求索研发）、Claude（美国(měiguó)AI独角兽公司Anthropic研发）、O3（美国OpenAI研发），共同测试了2025年山东高考试题。 考试开始，先要让大模型理解(lǐjiě)试卷。字节(zìjié)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)试卷满分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(dōu)达到(dádào)优秀考生水平。 具体(jùtǐ)来看，豆包(dòubāo)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(dà)模型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(chéngdù)的提高，尤其是在(zài)化学、物理等难度较大的科目上。 据山东当地媒体采访(cǎifǎng)的一线教师估算，豆包大模型1.6的理科赋分(fùfēn)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(chéngjì)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。 成绩大幅提升(tíshēng)源于专业数据训练 这并不是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(dà)模型(móxíng)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，尤其(yóuqí)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，国内外模型在训练(xùnliàn)数据(shùjù)上存在差异。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(dāngxià)，情况发生变化。以豆包为例，成绩有了很大跨越：理科在2024年(nián)466.5分(fēn)的(de)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141分。 2025年高考成绩飞速提升，原因在于(zàiyú)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，具备(jùbèi)深度思考能力。 所谓多模态(mótài)，是指AI要同时处理多种数据类型以便更全面(quánmiàn)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，团队增加了学科、代码、推理类数据的占(zhàn)比，提升了文本数据的知识和推理密度(mìdù)，同时加入了视觉模态的数据，与(yǔ)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(jiějué)。 “就像考生通过(tōngguò)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(shíxiàn)对特定问题(wèntí)的推理(tuīlǐ)、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(nénglì)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(zài)未来(wèilái)的AGI竞争中保持优势。