AI参加高考，竟能上清北？

又到一年(yīnián)高考查分时。大模型在经历高考之后，也要查分了。 随着AI快速发展，高考已经成为各家(gèjiā)AI企业检验模型能力的又一重要(zhòngyào)场景。 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(nián)成立的字节跳动Seed团队(tuánduì)推出。面世不久(bùjiǔ)，这位“考生”就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(de)测评中，豆包取得不错成绩：综合(zōnghé)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(jūnhéng)发展。 豆包的成绩可用突飞猛进(tūfēiměngjìn)来形容。优异成绩背后，豆包在模型能力和技术上下了苦功(kǔgōng)。 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，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。 高考考查内容十分全面(quánmiàn)，涉及文科、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。 高考的(de)题目(tímù)全新。相关题目在市面上找不到，有助于(yǒuzhùyú)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(zhīyī)，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，豆包大模型1.6和其他大模型如Gemini（谷歌研发的开源模型）、DeepSeek（国内(guónèi)深度(shēndù)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(le)2025年山东高考试题。 考试开始，先要让大模型理解(lǐjiě)(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(shāndōng)高考试卷满分750分。测评(cèpíng)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(jīběn)都达到优秀考生水平。 具体来看，豆包(dòubāo)成绩(chéngjì)排名靠前，理科648分，排名第二(dìèr)；文科683分，排名第一。国产大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的提高，尤其是在化学、物理(wùlǐ)等难度较大的科目上(shàng)。 据山东(shāndōng)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，意味着它能考上985高校理工科专业；文科(wénkē)赋分成绩在700分左右，也就是说，“山东考生豆包”有望(yǒuwàng)考上清华或者(huòzhě)北大。 成绩大幅提升源于专业数据(shùjù)训练 这并不是豆包第一次参考高考。2024年，有(yǒu)媒体对包含豆包在内的(de)国内外大模型进行高考评测。结果让(ràng)人(rén)有些意外：高考分数一般，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(móxíng)可理解为(wèi)文字接龙游戏，本质为概率问题，推理和计算能力较弱(jiàoruò)。同时，国内外模型在(zài)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。 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(láikàn)，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，原因在于豆包大模型1.6的多模态能力持续提升，其拥有丰富(fēngfù)的教育(jiàoyù)相关数据，具备深度思考能力。 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和分析(fēnxī)事物。也就是说，大模型不仅(bùjǐn)要读懂文字，还要用“眼睛看、耳朵听、嘴巴(zuǐbā)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阶段，团队增加了学科、代码(dàimǎ)、推理类数据的占比，提升了文本数据的知识和推理密度(mìdù)，同时(tóngshí)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(wèntí)的解决。 “就像考生通过刷题掌握各类解答技巧(jìqiǎo)、在草稿(cǎogǎo)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(shíxiàn)对特定问题的推理、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(kǎoshì)了解自身不足、提高能力水平(shuǐpíng)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(yǐbiàn)在未来的AGI竞争中保持优势。