大模型參加高考，能考多少分，上什么大學？

6月24日，在極客公園最新發(fā)布的高考新課標Ⅰ卷大模型評測報告中，GPT-4o 以562分排名文科總分第一。國內產品中，字節(jié)跳動旗下的豆包拔得頭籌，成績是542.5分，其后依次是百度文心一言4.0的537.5分、百川智能“百小應”的521分。本次大模型高考評測與河南省考卷完全相同，河南高考錄取分數線顯示，文科本科一批錄取分數線為521分，豆包等三款國產AI成功沖上一本線。

與文科相比，大模型的理科成績要差很多，最高分還不到480分，多數大模型的理科總分在400分以下。相比河南理科511分的一本線，大模型尚有較大差距。

大語言模型遇上語言考試：有望沖滿分

語文、英語的語言類考試，是大模型有能力和人類考生較量的賽場，多家產品能拿到客觀題目的滿分或接近滿分。

憑借中文語言的“主場優(yōu)勢”，三款國產大模型產品獲得了語文考試前三名，分別是百小應、字節(jié)豆包和騰訊元寶，得分依次為128分、125.5分和120.5分。除了少數開放性的閱讀理解和語言文字運用問題，各家大模型主要丟分在語文寫作上。

作為本次評測的語文作文閱卷人，北京市級骨干教師、懷柔區(qū)語文學科帶頭人夏老師曾多次參加全國高考語文閱卷。夏老師認為：“Al寫出的文章大多有清晰完整的結構，有邏輯性，語言通順流暢。但其理性有余，感性不足，缺乏感情色彩，自然就缺乏感染力。”

英語寫作同樣是大模型的一大難題。本次評測默認所有大模型的聽力都獲得30分滿分。在閱讀和語言運用兩大項客觀問題的考試上，GPT-4o、百小應、通義千問獲得80分滿分，豆包和文心一言4.0也接近滿分。但是在40分的寫作考試中，最高分只有29分，分別由GPT-4o和百小應獲得，各家模型的英語寫作主要丟分在表達空泛、缺少細節(jié)上。如果大模型在未來能夠提升寫作能力，獲得高考滿分并非難事。

文綜出色，豆包獲“歷史”最高分

在由歷史、地理、政治組成的新課標文綜考卷評測中，GPT-4o獲得237分的成績，平均分達到79分，優(yōu)于多數人類考生。國產大模型產品中，豆包的文綜成績最高，分數達到224.5分，其中歷史科目拿到82.5分，在所有9款大模型中得分第一。

政治考試中，GPT-4o出人意料的獲得了88分的最高分，百小應和豆包得分超過80。地理考卷則有大量圖片問題，對一眾大模型是不小的挑戰(zhàn)，圖像理解能力較強的GPT-4o得到最高分，但僅有68分。

河南高考分數段統(tǒng)計數據顯示，GPT-4o的562分在文科考生中排名8811名，相當于人類考生的前2.45%，豆包則處于前4.27%的位置。在過去一年多時間里，國產AI技術能力獲得了長足進步，目前已經接近國際頂尖大模型的水平。

數理全線不及格，AI有待提升

與人類頂尖考生相比，大模型在數學、物理、化學等數理學科上差距極大，包括GPT-4o在內的所有大模型都無法達到及格水平。盡管在語文、英語兩科上能獲得高分，大模型的理科最好成績還無法進入人類考生的前30%。

以數學試卷為例，9款大模型產品中，僅GPT-4o、文心一言4.0和豆包獲得60分以上成績（滿分150分），目前的大模型只能正確推理步驟相對簡單的問題。據測試機構透露，豆包等大模型能準確運用求導公式和三角函數定理，但是面對較為復雜的推導和證明問題就很難繼續(xù)得分。

重點考查實驗探究能力的化學和物理試卷，各模型平均分更是只有34分和39分（滿分為100和110）。化學單項最高分由豆包獲得，成績?yōu)?9.5分，GPT-4o僅有42分。大模型在應對考試的靈活性上也不如人類。例如物理有一道送分題，人類考生根據“時間不會倒流”可以排除錯誤選項，輕易選對正確答案“C”，大模型則幾乎全軍覆沒。要學會像人類一樣思考和解決問題，大模型還有很長的路要走。