一年一度的高考季又到了。

　　從上上周開始，就有很多朋友來問我，今年高考還測不測大模型考試了。

　　測，肯定測。

　　 但是肯定要跟去年要有一些區(qū)別對吧，去年我只測了部分的數(shù)學題，今年要是還這么玩，那就太無聊了。

　　 所以，我想了想，今年不如整個大一點的活，讓所有的頂級AI一起，來全面的考一下語文和數(shù)學，這兩個，全都考。

　　 在所有AI都在發(fā)力代碼和Agent能力的情況下，究竟誰的語文能力最高，我還是非常好奇的。

　　 這次的參賽模型呢，基本市面上主流的大模型我也都拉來了，基本都是大家的旗艦模型。

　　國外基本就是大家熟悉的御三家，Claude Opus 4.8、GPT-5.5、Gemini 3.1 Pro。

　　國內(nèi)這邊，我也盡量選了各家現(xiàn)在最能打的。

　　千問3.7 max、文心Ernie 5.1、星火Spark X2、智譜GLM5.1、Kimi k2.6、MiniMax M3、DeepSeek V4 Pro、小米MiMo v2.5 Pro、混元3這些都有。

　　 讓這些大模型，一起做了這兩套卷子。

　　 而我肯定沒有對語文和數(shù)學高考題目閱卷的能力，所以這次，我想了想，找身邊的朋友們化了下緣，終于，也邀請到了4位有過類似閱卷經(jīng)歷的高中老師們，來跟我們一起整這個活。

　　 因為語文會稍微主觀一點點，并且我們也不像真的高考一樣有一些打分細則，所以我們邀請了3位語文老師來共同閱卷，讓他們充分發(fā)揮，最后取平均分，這樣會公平一點，所以最終是3位語文老師和1位數(shù)學老師。

　　 但是真的非常非常感謝幾位老師，陪我們一直干到了凌晨，每個人幾乎都認真批改了十二份的卷子。。。真的，無以為報。。。

　　 而卷子的挑選上，雖然也都是選用的全國一卷，這次會稍微有點特殊。

　　 因為語文這次比較可惜，等到晚上8點也沒有等到完整版的卷子，所以只能最終使用中國考試官方發(fā)布的部分試題和參考答案上進行測試，滿分大概是100分，最終分數(shù)會基于比例，再換算至150分。

　　數(shù)學則是完整的真題試卷，就比較簡單了。

　　 然后呢，為了保證這次AI高考的公平性，我們還是下了不少功夫做平衡的，限制了不少規(guī)則：

　　 1. 使用API調(diào)用各個模型，都開thinking，不限制最長的token數(shù)，所有的工具調(diào)用都強行禁止，像什么代碼推理、網(wǎng)頁搜索什么的都關(guān)掉了。

　　 2. 除了訊飛星火、百度，其他10家統(tǒng)一走OpenRouter調(diào)用，這樣可以保證最公平公正。

　　 3. 模型的輸入，語文和數(shù)學都采取了通過LaTeX格式純文本輸入的方式。

　　數(shù)學本來我們打算是分成多模態(tài)和純文本賽道的，但是真題一出來之后，發(fā)現(xiàn)只有一道題，也就是立體幾何那道題帶圖形。但題干其實就完全包含了這個圖形的所有信息，沒有必要，所以就改成了全部都通過LaTeX格式輸入。

　　雖然PDF轉(zhuǎn)LaTeX格式這一步是AI做的，但是讓它轉(zhuǎn)了之后，我也同樣寫了一個LaTeX編譯器的腳本，它會在左邊放上原本的題目，右邊是LaTeX數(shù)據(jù)編譯后的最終題目，方便我和老師們進行核對，在準確性上，我們還是花了一些力氣的。

　　然后我們也開發(fā)了一個自己的考試腳本，我們只需要把題目丟進去，腳本就會自動調(diào) API，自動讓模型作答，自動把客觀題判掉，主觀題再送到我搭的在線閱卷平臺里，讓真人老師盲評。

　　考試的Prompt按照下面的設(shè)置給模型。

　　客觀題只是單純限制它的格式輸出，方便我的腳本對客觀題進行打分，不做任何的引導。

　　主觀題就直接把裸題給模型丟過去讓他作答。

　　以及在數(shù)學的填空題上面，也是讓它根據(jù)數(shù)值打分，不是根據(jù)格式打分。因為填空題容易出現(xiàn)，在分數(shù)或者說有根號的情況下，會有不同的寫法，同一個數(shù)值會有不同的寫法。所以這次在腳本中也是有格外注意這一點。

　　反正作答上我們盡量確保要公平、公平再公平，客觀、客觀再客觀。

　　 最后，模型輸出的所有的結(jié)果，我們又開發(fā)了一個閱卷網(wǎng)站，供我們的4位老師們進行閱卷和評分。

　　老師使用自己的名字，登進去之后，看到的每份卷子上面只有一個代號。卷ABCD巴拉巴拉。

　　這樣的話，老師并不知道這道卷子是哪一個模型做的答，也會避免一些前置的刻板印象帶來一些閱卷上的影響。

　　老師可以隨意選擇一套卷子開始閱卷，然后里面的打分界面是這樣的。

　　直接在里面逐題批改。

　　 還可以寫上自己的評語。

　　 真的，老師們特別辛苦，因為語文的卷子遲遲不出最終版，所以我們最后只能用部分版來考試，幾位老師都生生的閱卷到晚上11點以后了。

　　 向老師們致敬。

　　 最后，在經(jīng)歷了將近12個小時的奮戰(zhàn)之后，我們的12位大模型的考試分數(shù)，終于出爐了。

　　 他們，是這樣的。

　　 這里我提前疊個甲，這個分數(shù)和排名，只是我們基于自己的體系做題出來并且由老師們主觀評選出來的，而且只跟語文和數(shù)學做題有關(guān)，跟大家現(xiàn)在討論的代碼和Agnet能力無關(guān)，且可能會展示部分的人類偏好，排名與分數(shù)僅供娛樂參考，不代表任何指向。

　　這里面有幾個讓我挺意外的地方。

　　先看總分，第一名MiMo v2.5 Pro，256.3分。第二名Kimi k2.6，256.29分。

　　差了0.01分。

　　MiMo比Kimi語文少了1分，Kimi數(shù)學比MiMo多了1分。。。

　　要知道我們測評的語文卷子只有一道客觀選擇題，其他全是主觀題，再加上有作文的存在，換算到實際評分上，可能就是某位語文老師在某道主觀題上多給了1分的區(qū)別。

　　往下看從第三名到第九名，Claude Opus 4.8，一直到GLM 5.1和Gemini 3.1 Pro并列的252.78，7個模型之間的差距僅僅在2分。

　　可以說，至少在這兩套高考卷子上的表現(xiàn)，前面這9個頂級的AI大模型模型幾乎真的都拉不開差距了，分差極小。

　　看完了總分，再來看看單科的成績。

　　你會發(fā)現(xiàn)，我們的語文狀元在3位老師盲測中，由GLM5.1和Gemini 3.1 Pro共同摘奪桂冠，但是在數(shù)學上又有點偏科，而且?guī)缀醵际切值芗绮⒓纾业哪X子里已經(jīng)出現(xiàn)了中學班上某一個同學的樣子了。。。

　　反過來的例子也有，DeepSeek V4 Pro，和MiMo、ERNIE 5.1三家并列數(shù)學最高分，但語文又奇低。。。

　　坦率的講，這其實不太符合我對DeepSeek強世界知識的印象。

　　我把語文的評分單獨拎出來看了下，這里注意一下，因為語文真題目前全部的還沒出來，所以現(xiàn)在用的是部分的題集合成的101分版本，最后折算成150分制的，所以下面你看到的總分其實都是101分制的。

　　 發(fā)現(xiàn)DeepSeek的作文，屬于拉完了。

　　 最后一位老師手比較松，雖然打出的分數(shù)是49分，但是在他過去的打分中，其實也不算高了。

　　他們的評語其實也都非常的有意思。

　　所以他們一改完卷，我也去認真看了看他們所有的評語。

　　其實三位老師從給分上看，是能看出來他們有各自的偏好，但是在他們的評語有一個共同點。

　　他們很在意高考作文的可評分結(jié)構(gòu)。

　　評語里會高頻出現(xiàn)文體不清，文章結(jié)構(gòu)不夠清晰，觀點不夠清晰明確，論證不充分，時代關(guān)聯(lián)不足等等評語。

　　比如這一篇所有模型中得分最高的，由GLM 5.1寫的作文，就有兩位老師都提出了文章結(jié)構(gòu)不夠清晰的毛病。

　　作文原文我也放在這里了，大家可以在評論區(qū)評一評。

　　 語文大概就是這樣，我們再看看數(shù)學的得分明細。

　　你會發(fā)現(xiàn)幾乎所有的模型，其實沒啥大的分差。

　　我也從數(shù)學老師那里得到了非常積極的反饋，剛改完前面幾個大題，他就在很興奮的跟我說，發(fā)現(xiàn)正確率挺高的，基本都是滿分。

　　不過唯一一道讓大家全軍覆沒的，就是填空題的最后一題。

　　懂的人可以來說一說這是個什么難度，反正我不太懂= =

　　還有一個有意思的就是，我在讓Opus 4.8跑數(shù)學最后一道大題的時候，他莫名其妙的卡死了很多很多輪。。。

　　不太有意思的就是，我忘記它一直在重試，導致我OpenRouter上為數(shù)不多的余額全給耗光了。。。

　　 不過最后好歹還是搞出來了。

　　 以上，大概就是這次AI高考的結(jié)果，跟我最開始預期的，還真的是有點區(qū)別。

　　 我又做了一下各家的位置圖，大家可以看看。

　　 真的是情理之中，又是預料之外。

　　 還挺好玩的。

　　忽然又想起，2023年，我第一次拿高考題去測AI。

　　當時是讓ChatGPT去寫高考作文。

　　那會兒GPT-4還是最能打的，國產(chǎn)模型甚至都還沒有幾個。

　　2024年，國產(chǎn)也開始卷起來了，但還是有很多哭笑不得的翻車。去年2025那次測完，有幾個模型的數(shù)學水平已經(jīng)夠上一本線了。

　　今年是2026。

　　四年了。

　　也算是見證了那好多好多個模型的浮沉。

　　我們自己也在變，23年的時候，只會寫個作文，去年測試，還是人工復制粘貼到十幾個大模型的官網(wǎng)里面去測試，不斷的roll。

　　今年，寫批量腳本，寫LaTeX轉(zhuǎn)譯，請高考閱卷老師們助陣，又為他們徒手開發(fā)了閱卷網(wǎng)站。

　　我當然也可以隨手測一下整個活，但是想了想，這幾年，在這個選題上，我覺得還是要盡可能的保證客觀和公平。

　　因為，這是高考。

　　這兩個字，在中國，承載的東西太多也太厚重了。

　　做閱卷網(wǎng)站的時候，我一直在糾結(jié)用什么主意象，最后選了鳳凰花。

　　六月的鳳凰花開得正盛，每年都準時趕在這個節(jié)點上，送走一屆又一屆的人。

　　最后。

　　我想用最近一段對我非常有感觸的話來結(jié)尾，它來自《燕云十六聲》最近更新的青州地圖的最后的任務(wù)，當一眾學子即將畢業(yè)之時，文津館文元林險生對大家說：

　　“你們，自天南地北負笈而來，今日散去，又是去往天南地北，此后山長水遠，很多人將不復相見了。

　　此去，必有風霜凜冽之時，愿諸君，乾坤既大，草木尤青，本心擇路，篤志前行。

　　各位，一路順風。”

　　>/ 作者：卡茲克、tashi

　　>/ 投稿或爆料，請聯(lián)系郵箱：wzglyay@virxact.com