2024年全国高考结束后，国内外众多AI大模型纷纷“参加”了一场别开生面的考试，在考场外与人类考生同台竞技，这场“高考”的结果也引起了广泛关注。
据了解，本次“大模型考生”阵容强大，包括来自OpenAI的GPT-4o、字节跳动的豆包、百度的文心4.0、百川智能的百小应、阿里巴巴的通义千问2.5、月之暗面的Kimi智能助手、腾讯的元宝、智谱AI的智谱清言以及MiniMax的海螺AI等。他们面对的是覆盖地域广泛的“新课标Ⅰ卷”，与河南省考生所用的考卷相同，这无疑增加了考试的真实性和难度。
从考试成绩来看，文科方面，GPT-4o以562分拔得头筹，国产大模型豆包表现同样出色，以542.5分的高分紧随其后，成功超过了河南文科一本线20多分。此外，豆包、文心4.0、百小应三款国产AI大模型也成功“冲上一本线”，展现出国产大模型在文科领域的实力。
真实考题+名师阅卷：文科表现出色，理科成绩欠佳
值得一提的是，本次大模型“高考”的语文作文阅卷人是北京市级骨干教师、怀柔区语文学科带头人夏老师，这位资深的阅卷专家为大模型的作文打分提供了客观公正的评价。从整体来看，大模型在文科考试中的表现普遍比较出色，尤其是在语言类科目上，展现出了一定的逻辑与语言组织能力。然而，在写作方面，尽管大模型的文章结构清晰、语言通顺，但普遍存在理性有余而感性不足的情况，缺乏感情色彩与感染力，这或许是大模型目前仍需克服的挑战。
与此形成鲜明对比的是，大模型们在理科方面的成绩则普遍欠佳，多数大模型的理科总分在400分以下，与河南理科511分的一本线存在明显差距。这似乎表明，大模型在处理需要深度逻辑推理和灵活应变的理科问题时，仍面临着巨大的挑战。
理科普遍不及格：大模型更像文科生？
以新课标“文综”考试为例，GPT-4o获得了237分，平均分79分，优于多数真实考生。国产大模型产品中，豆包的文综成绩最高，为224.5分。在各个科目中，豆包在历史科目上取得82.5分的最高分，GPT-4o则以88分在政治科目中拔得头筹，地理科目最高分则由GPT-4o以68分摘得。
而理科考试中，9款大模型产品里，只有GPT-4o、文心一言4.0和豆包获得60分以上的数学成绩，但面对满分150分的试卷，均未及格。在重点考查实验探究能力的化学和物理试卷中，各模型的平均分分别只有34分（满分100分）和39分（满分110分）。虽然在本次“高考”中，部分大模型在理科考试中也有可圈可点之处，例如“豆包”大模型在求导题目和三角函数题上表现较好，展现出了一定的解题能力，但整体而言，数理科目全线不及格的成绩表明，大模型在理科领域的学习能力仍有很大的提升空间，还需要进一步的突破。
国产AI技术能力显著进步，挑战依然巨大
从本次“高考”结果来看，大模型在文科领域展现出了一定的优势，尤其在语言处理和知识记忆方面表现突出。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，相当于真实考生的前2.45%，国产大模型“豆包”位列约4.27%的位置。这表明，在过去一年多的时间里，国产AI技术能力取得了显著进步。
然而，理科领域，面对需要深度逻辑推理和灵活应变的问题时，大模型仍面临巨大挑战。这表明大模型在处理某些特定类型的任务时具备较强能力，但在综合运用知识和解决复杂实际问题方面，与人类的智力水平仍存在差距。
此次通过“高考”检验各家大模型，不仅备受业界及广大网友关注，对于大模型的发展也意义重大。一方面，为评估大模型的学习和知识运用能力提供了全新、客观的标准。同时，也让我们更加清晰地看到了各家大模型的优势和不足。在接下来的一年中，各家大模型将如何进步与发展，值得持续追踪。
