6 月 24 日，在极客公园最新发布的高考新课标 Ⅰ 卷大模型评测报告中，GPT-4o 以 562 分排名文科总分第一。国内产品中，字节跳动旗下的豆包拔得头筹，成绩是 542.5 分。

　　但同时我们也应该看到，生成式 AI 尚处于发展初级阶段，AI 是否足够“聪明”，仍然是影响相关技术和产品体验的基本要素。

　　所以，用高考题来测试 AI 大模型，确实不失为一个有趣又直观的评判大模型能力的方式。

　　具体来看这次高考卷大模型评测的详细情况。首先，语文、英语的语言类考试，是大模型有能力和人类考生较量的赛场，多家产品能拿到客观题目的满分或接近满分。

　　作为本次评测的语文作文阅卷人，北京市级骨干教师、怀柔区语文学科带头人夏老师曾多次参加全国高考语文阅卷。

　　文章中显出的对就业结构、伦理方面的担心，展现出豆包已经具有不错的思想深度和思辨能力。在立住“问题”后，豆包随即用反问句自然过渡，引出三个排比段提出解决问题的方法 —— 保持“问题意识”。其中用发展的眼光分析问题，结合现实生活揭示问题产生的根源和危害的部分颇为亮点，并且整体上“结构严谨，层层推进，语句流畅，认识全面”。

　　英语写作同样是大模型的一大难题。本次评测默认所有大模型的听力都获得 30 分满分。在阅读和语言运用两大项客观问题的考试上，GPT-4o、百小应、通义千问获得 80 分满分，豆包和文心一言 4.0 也接近满分。

　　但是在 40 分的写作考试中，最高分只有 29 分，分别由 GPT-4o 和百小应获得，各家模型的英语写作主要丢分在表达空泛、缺少细节上。如果大模型在未来能够提升写作能力，获得高考满分并非难事。

　　在由历史、地理、政治组成的新课标文综考卷评测中，GPT-4o 获得 237 分的成绩，平均分达到 79 分，优于多数人类考生。国产大模型产品中，豆包的文综成绩最高，分数达到 224.5 分，其中历史Kaiyun官方入口科目拿到 82.5 分，在所有 9 款大模型中得分第一。

　　政治考试中，GPT-4o 出人意料的获得了 88 分的最高分，百小应和豆包得分超过 80。地理考卷则有大量图片问题，对一众大模型是不小的挑战，图像理解能力较强的 GPT-4o 得到最高分，但仅有 68 分。

　　河南高考分数段统计数据显示，GPT-4o 的 562 分在文科考生中排名 8811 名，相当于人类考生的前 2.45%。而仅次于 GPT-4o、位列国产 AI 第一名的豆包大模型文科成绩 542.5 分，超过文科一本线% 的位置。

　　由此可见，在过去一年多时间里，国产 AI 技术能力获得了长足进步，目前已经接近国际顶尖大模型的水平。

　　与人类顶尖考生相比，大模型在数学、物理、化学等数理学科上差距极大，包括 GPT-4o 在内的所有大模型都无法达到及格水平。尽管在语文、英语两科上能获得高分，大模型的理科最好成绩还无法进入人类考生的前 30%。

　　据测试机构透露，豆包等大模型能准确运用求导公式和三角函数定理，但是面Kaiyun全站网页对较为复杂的推导和证明问题就很难继续得分。

　　重点考查实验探究能力的化学和物理试卷，各模型平均分更是只有 34 分和 39 分（满分为 100 和 110）。化学单项最高分由豆包获得，成绩为 49.5 分，GPT-4o 仅有 42 分。

　　大模型在应对考试的灵活性上也不如人类。例如物理有一道送分题，人类考生根据“时间不会倒流”可以排除错误选项，轻易选对正确答案“C”，大模型则几乎全军覆没。

　　不过，据麦肯锡报告分析，大模型的价值创造潜力惊人，到 2030 年，有望在全球推动 49 万亿人民币的经济增量。

　　而目前，从技术创新到商业落地，大模型已经开始在为我们的日常工作生活和各行业的 AI 转型提供动能。

　　虽然生成式 AI 目前确实还有不足，路漫漫其修远，但相信在以豆包大模型为代表的众多生成式 AI 技术和产品的共同发展和努力下，未来简单的高考试卷对于它们来说将不再是挑战，更广泛的应用场景唱，给出更加完美的答卷。

　　广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。