这两天啊，各地高考的得益终于是连接公布了。

当前，亦然时间揭晓全球第一梯队的大模子们的“高考得益”了——

咱们先来看下举座的情况（该测试由字节逾越Seed团队官方发布）：

按照传统文理分科计分方式，Gemini的理科总得益655分，在统统选手里排名第一。豆包的文科总得益683分，排名第一，理科总得益是648分，排名第二。

再来看下各个细分科方针得益情况：

除了数学、化学和生物除外，豆包的得益依旧是名列三甲，6个科目均是第一。

不外其它AI选手的发扬亦然比较可以，可以说是达到了优秀学生的水准。

比较缺憾的选手就要属O3，因为它在语文写稿上跑了题，因此语文得益仅95分，拉低了举座的分数。

要是从填报志愿角度来看，因为这套测试遴选的是山东省的试卷，凭据过往教导判断，3门自选科方针赋分比拟原始分会有一定进度的提高，尤其是在化学、物理等难度较大的科目上。本次除化学得益相对稍低外，豆包的其余科目组合的赋分得益最高能卓绝690分，有望冲刺清华、北大。

（赋分法例：将考生选考科方针原始得益按照一定比例分手品级，然后将品级调遣为品级分计入高考总分）

好，那当前的豆包濒临的抉择是：上清华如故上北大？

大模子参加高考，分数若何判？

在看完得益之后，冒失好多小伙伴齐有猜忌，这个评测得益到底是若何来的。

别急，咱们这就对评测圭臬逐条理解。

领先在卷子的采用上，由于当前网罗流出的高考真题齐吵嘴官方的，而山东是少数传出全套考卷的高考大省；因此主科（即语文、数学、英语）遴选的是本年的寰宇一卷，副科遴选的则是山东卷，满分推断750分。

其次在评测方式上，齐是通过API测试，不会联网查询，评分经由亦然参考高考判卷方式，就是为了磨砺模子本人的泛化智商：采用题、填空题遴选机评（自动评估）加东说念主工质检的方式；通达题引申双评制，由两位具有联考阅卷教导的重心高中教师匿名评阅，并开采多轮质检门径。

在给模子打分的时间，遴选的是 “3门主科（语文数学英语）+3门详细科（理综或文综）” 的总分策画方式，给五个模子排了个排行。

值得一提的是，整个评测经由中，模子们并没灵验任何教导词优化技能来提高模子的发扬，举例条目某个模子恢复得更详备一些，或者刻意证明是高考等等。

终末，就是在这么一个平正平正的环境之下，从刚才咱们展示的戒指来看，Gemini、豆包相对其他AI来说得到了较优的得益。

细分科目发扬分析

了解完评测圭臬之后，咱们络续深刻解读一下AI选手们在各个科目上的发扬。

由于深度想考的大火，大模子们在数学这么强推理科目上的智商明显要比旧年好好多（此前大部分均不足格），基本上齐能达到140分的得益。

不外在一说念不算难的单选题（寰宇一卷第6题）上，国表里的大模子们却齐栽了跟头：

这说念题大模子们给出的谜底是这么的：

豆包：C；Gemini：B；Claude：C；O3：C；DeepSeek：C。

但这说念题的正解应该是A，因此大模子们在此防微杜渐。

之所如斯，主要是因为题目里有方框、虚线、箭头和汉字混在通盘的图，模子认不准图像，证明它们在 “看图语言” 这块还有进步空间。

以及在更难的压轴大题上，好多大模子也没迷漫拿下，闲居漏写解释经由，或者推导不严谨被扣分，证明在细节上还需加强。

到作念语文华用题和阅读题这两个版本，大模子们险些是 “学霸本霸”，得分率超高。

不外在作文写稿经由也暴领路了一些问题，举例写稿过于刻板、笔墨冰冷，著述字数不达标（不足800字或卓绝1200字）、立意不合，神气上还闲居会出现习用的小标题。

在英语测试经由中，大模子们险些挑不出过错，惟一扣分点是在写稿上，比如用词不够精确、句式稍显单调，但举座仍是很接近无缺。

关于理综，碰到带图的题目大模子们如故会犯难，不外豆包和Gemini这俩模子在看图像和和会图的智商上会比其他模子强一些。

举例底下这说念题中，正确谜底应当是C，大模子们的作答是这么的：

豆包：C；Gemini：C；Claude：D；O3：D；DeepSeek：D。

终末在文综方面，大模子的地域永别就显现得比较明显，海外的大模子作念政事、历史题时，闲居搞不懂题目在考啥，对中国的常识点不太 “伤风”。

而关于地舆题，最头疼的即是分析统计图和地形图，得从图里精确索要信息再分析。

以上就是关于本次评测的全面分析了。

除了本年国内的高考除外，这几位“参赛选手”还参加了印度理工学院的第二阶段入学考试——JEE Advanced。

这场考试每年少见百万东说念主参与第一阶段考试，其中前25万考生可晋级第二阶段。它分为两场，每场时长3小时，同期对数学、物理、化学三科进行检会。

题目以图片神气呈现，重心考察模子的多模态处明智商与推理泛化智商。统统题目均为客不雅题，每说念题进行5次采样，并严格按照JEE考试法例评分——答对得分、答错扣分，不触及情势评分圭臬。

与全印度东说念主类考生得益对比自大，第别称得分332分，第十名得分317分。

值得扫视的是，豆包与Gemini已具备插足全印度前10的实力：Gemini在物理和化学科目中发扬凸起，而豆包在数学科目5次采样中收场全对。

若何作念到的？

比拟旧年一册线凹凸的水平，举座来看，大模子们在本年高考题上的发扬均有明显的进步。

那么它们到底是如何进步智商的？咱们不妨以拿下单科第一最多的豆包为例来了解一下。

豆包大模子1.6系列，是字节逾越Seed团队推出的兼具多模态智商与深度推理的新一代通用模子。

团队让它智商进步的时刻亮点，咱们可以归结为三招。

第一招：多模态和会与256K长凹凸文智商构建

Seed1.6延续了Seed1.5在稀薄MoE（羼杂巨匠模子）范围的时刻积存，遴选23B激活参数与230B总参数限制进行预西席。其预西席经由通过三个阶段收场多模态智商和会与长凹凸文相沿：

第一阶段：纯文本预西席

以网页、册本、论文、代码等数据为西席基础，通过法例与模子荟萃的数据清洗、过滤、去重及采样战术，进步数据质地与常识密度。

第二阶段：多模态羼杂捏续西席（MMCT）

进一步强化文本数据的常识与推理密度，增多学科、代码、推理类数据占比，同期引入视觉模态数据，与高质地文本羼杂西席。

第三阶段：长凹凸文捏续西席（LongCT）

通过不同长度的长文数据冉冉膨胀模子序列长度，将最大相沿长度从32K进步至256K。

通过模子架构、西席算法及Infra的捏续优化，Seed1.6 base模子在参数目限制接近的情况下，性能较Seed1.5 base收场权臣进步，为后续后西席责任奠定基础。

这一招的发力，就对诸如高评语文阅读和会、英语完形填空和理科详细利用题等的作答上起到了提高准确率的作用，因为它们频频触及长文本且垂青凹凸文和会。

第二招：多模态和会的深度想考智商

Seed1.6-Thinking 延续Seed1.5-Thinking的多阶段RFT（强化响应西席）与RL（强化学习）迭代优化措施，每轮RL以上一轮RFT为起始，通过多维度奖励模子筛选最优恢复。相较于前代，其升级点包括：

拓展西席算力，扩大高质地数据限制（涵盖 Math、Code、Puzzle 等范围）；

进步复杂问题的想考长度，深度和会VLM智商，赋予模子明晰的视觉和会智商；

引入parallel decoding时刻，无需极度西席即可膨胀模子智商 —— 举例在高难度测试集Beyond AIME中，推理得益进步8分，代码任务发扬也权臣优化。

这种智商径直对应高及第触及图表、公式的题目，如数学几何解释、物理电路图分析、地舆等高线判读等；可以快速定位要津参数并推导出解题旅途，幸免因单一模态信息缺失导致的误判。

第三招：AutoCoT措置过度想考问题

深度想考依赖Long CoT（长想维链）增强推明智商，但易导致 “过度想考”—— 生成无数无效token，增多推理背负。

为此，Seed1.6-AutoCoT提议 “动态想考智商”，提供全想考、不想考、自符合想考三种模式，并通过RL西席中引入新奖励函数（处分过度想考、奖励适当想考），收场CoT长度的动态压缩。

在实质测试中：

中等难度任务（如 MMLU、MMLU pro）中，CoT 触发率与任务难度正相干（MMLU 触发率37%，MMLU pro触发率70%）；

复杂任务（如AIME）中，CoT触发率达100%，着力与Seed1.6-FullCoT终点，考据了自符合想考对Long CoT推理上风的保留。

以上就是豆包能够在本年高考全科目评测中脱颖而出的原因了。

不外除此除外，还有一些影响成分值得说说念说说念。

正如咱们刚才提到的，化学和生物的题目中读图题占比较大，但因非官方发布的图片明晰度不足，会导致多数大模子的发扬欠安；不外Gemini2.5-Pro-0605的多模态智商较凸起，尤其在化学范围。

不外最近，字节Seed团队在使用了更明晰的高考真题图片后，以图文荟萃的方式再行测试了对图片和会条目较高的生物和化学科目，戒指自大Seed1.6-Thinking的总分进步了近30分（理科总分达676）。

△图文交汇输入示例

这证明，全模态推理（荟萃文本与图像）能权臣开释模子后劲，是改日值得深刻探索的方针。

那么你关于此次大模子们的battle戒指有何观点？接待大家拿真题去实测后开yun体育网，在斟酌区留言你的感受~