AI参加高考，竟能上清北？

又到(dào)一年高考查分时。大模型在经历高考之后，也要查分了。 随着AI快速(kuàisù)发展(fāzhǎn)，高考已经成为各家AI企业检验模型能力的又一重要场景。 6月初(yuèchū)，字节跳动(tiàodòng)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“考生”就和(hé)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)：综合成绩排名靠前。不管是文科还是(háishì)理科，按照赋分制调整后的高考分数近700分，相较去年(qùnián)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(fāzhǎn)。 豆包的成绩可用突飞猛进(tūfēiměngjìn)来形容(xíngróng)。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(zhàn)高考，有望上清北 高考不仅(bùjǐn)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。 高考考查内容十分全面，涉及文科、理科，文字、图像，不同难度(nándù)的(de)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(shì)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和(hé)推理(tuīlǐ)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(yánfā)(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(shāndōng)高考试题。 考试开始，先要让大模型理解试卷。字节Seed团队在各个大模型内，分别输入题目的文本和截图，让它们(tāmen)通过文字(wénzì)和图像的方式看见试卷、理解试卷，参与(cānyù)考试。 山东高考试卷满分750分。测评(cèpíng)发现(fāxiàn)，5个推理模型，理科(lǐkē)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(chéngjì)排名(páimíng)靠前，理科648分，排名第二；文科683分，排名第一。国产大模型的(de)数学成绩十分亮眼(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(yóuqí)是在化学、物理等难度较大的科目上。 据山东(shāndōng)当地媒体采访的一线教师估算，豆包(dòubāo)大模型1.6的理科赋分约680分，意味着它能考上985高校(gāoxiào)理工科(lǐgōngkē)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。 成绩大幅(dàfú)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，有媒体对(duì)包含豆包在内的国内外大模型进行高考评测(píngcè)。结果让人有些意外：高考分数一般，而且(érqiě)相较(jiào)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(lǐjiě)为文字接龙游戏，本质为概率(gàilǜ)问题，推理和(hé)计算能力较弱。同时，国内外模型在训练数据上存在差异。此外，数学、物理等带有图像信息，大模型在图像识别上存在挑战(tiǎozhàn)。 但当下，情况发生变化。以豆包为例，成绩有了很大跨越：理科在(zài)2024年466.5分(fēn)的基础上提高了181.5分；文科在2024年542.5分的基础上提高了140.5分。具体(jùtǐ)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(nián)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，是指AI要同时处理多种数据类型以便更全面地了解(liǎojiě)和分析事物。也就是说，大(dà)模型(móxíng)不仅要读懂文字，还要用“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(hùnhé)持续训练阶段，团队增加(zēngjiā)了学科、代码、推理(tuīlǐ)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(jiārù)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。 “就像考生通过刷题掌握各类(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(néng)力，也能通过描述思维过程，实现对特定问题的推理(tuīlǐ)、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(zhōng)保持优势。