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快速发展，高考(gāokǎo)已经成为各家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正式发布，该模型由2023年成立的字节跳动Seed团队推出。面世(miànshì)不久，这位“考生”就和其他大模型一起接受(jiēshòu)了(le)2025年山东卷的高考测试洗礼。 在字节跳动Seed团队(tuánduì)的测评中(zhōng)，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(fùfēn)制调整后的高考分数近700分，相较(jiào)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)的成绩可用突飞猛进来形容。优异成绩背后，豆包在模型能力和(hé)技术上下了苦功。 本图为创意性(xìng)构想，画面由AI生成 豆包战高考(gāokǎo)，有望上清北 高考不仅是高三考生(kǎoshēng)的战场，也是各家大模型同场竞技(tóngchǎngjìngjì)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(quánmiàn)，涉及文科、理科，文字、图像(túxiàng)，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(héngliáng)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(yǒuxiào)的预测和推理能力。 此次测评，豆包大(dà)模型1.6和其他大模型如Gemini（谷歌研发的开源模型）、DeepSeek（国内(guónèi)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(nián)山东高(gāo)考试题。 考试开始，先要(xiānyào)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。 具体来看，豆包(dòubāo)成绩排名靠前，理科648分，排名第二；文科683分，排名第一。国产大(dà)模型(móxíng)的数学成绩十分(shífēn)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(zài)化学、物理等难度较大的科目上(shàng)。 据山东当地(dāngdì)媒体采访的(de)一线(yīxiàn)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(zhuānyè)；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，有媒体(méitǐ)对包含豆包在内(zàinèi)的国内外大模型进行(jìnxíng)高考评测。结果让人有些意外：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(chéngjì)，尤其是数学成绩不理想。 AI偏科(piānkē)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(wèntí)，推理和计算能力较弱(jiàoruò)。同时，国内外模型在训练数据上存在差异(chāyì)。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分的基础上提高了181.5分；文科(wénkē)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(tíshēng)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(tíshēng)，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，具备深度(shēndù)思考能力。 所谓多模态，是指AI要同时处理多种(duōzhǒng)数据类型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(wénzì)，还要用“眼睛看、耳朵(ěrduǒ)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(chíxù)训练阶段，团队增加了学科、代码、推理类数据的(de)占比，提升了文本数据的知识和推理密度，同时(tóngshí)加入了视觉(shìjué)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(móxíng)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(jiědá)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(móxíng)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(wèntí)的推理、验证和反思。”业内人士分析(fēnxī)称。 就像大部分参与者希望通过考试了解(liǎojiě)自身不足、提高能力水平一样，豆包大模型参与高考，或许还是希望通过不断(bùduàn)总结实战经验，以便(yǐbiàn)在未来的AGI竞争中保持优势。