让AI做高考题，大模型们都能上什么大学

每年高考出分那几天，社交媒体上都会有一个经典保留节目——"让AI来做高考题"。2025年的版本特别有意思，因为大模型能力在这一年真正上了台阶。我把市面上四个最强的模型都测了一遍，用的是2025年全国新课标I卷，理科综合。说实话，成绩出来的时候我愣了好几秒。

GPT-5：总分660。按照2025年各省录取线换算，这个分数在湖北能勉强够到武汉大学的提档线，在四川可以稳进电子科大。英语148分，理综284分——这两科简直是降维打击。但语文只有108分，阅读理解扣了12分，作文被判为"结构完整但缺乏真情实感"，45分。看到这个评语我忍不住笑了——"缺乏真情实感"，这不废话吗？

各科详细成绩单：AI是个极度偏科的"学霸"

我花了整整一个周末整理了四款模型的单科对比，结果比我想象的精彩得多。

英语：这是AI的绝对统治区。GPT-5和Claude 4都拿了148分，扣的那两分都在作文上——阅卷标准要求"体现个人观点和经历"，AI编都编不像。DeepSeek-V4拿了146，文心一言145。说实话，任何一个能把英语考到145+的人类学生都值得上清北，但在AI这里，145只是起步价。

数学：GPT-5拿到139分，Claude 4是135分。压轴题全部做对了，扣分项集中在中间难度的概率统计题上——因为题干描述有歧义，AI理解偏了。这暴露了AI做数学题的核心问题：它不是不会算，而是有时候读不懂出题人的"话里有话"。高考数学卷里那些"隐含条件"、"常规思路"、"显然可得"，对AI来说可能是天书。

理综：GPT-5 284分，DeepSeek-V4 278分。物理实验设计题做得尤其好，化学方程式配平零失误。但生物的实验探究题是软肋——那类"根据以上实验结果，你能得出什么结论"的开放式问题，AI的答案总是太"标准"，缺少人类学生那种"从现象中提炼规律"的能力。

语文：全军覆没区。最好的Claude 4也只有116分。现代文阅读的理解偏差让人啼笑皆非——比如把作者讽刺官僚主义的段落理解成了"描写政府工作效率高"。作文更是灾难，结构完美、用词精准，但你读完之后脑子里什么都留不下，就像吃了一顿标准的营养餐——该有的都有，就是没有味道。

为什么AI在文科上这么拉胯

有人说这是因为AI没有情感。我觉得这只是表面原因。更深层的问题是：高考文科特别是语文，考的从来不是"正确"，而是"恰当"。

什么叫"恰当"？就是你得知道在某个语境下，出题人想让你回答到什么程度、用什么样的措辞。一道政治题问"如何看待共同富裕"，AI的答案像教科书目录一样全面而正确，但人类高分考生知道政策出处、能引用最新的官方表述、能用适合阅卷老师口味的语言组织答案——这种"考试智慧"AI根本没有。

清华NLP实验室的研究报告也印证了这一点：大模型在客观题上表现优异，但涉及"需要理解中国社会文化语境"的题目时，得分率骤降40%以上。说白了，AI缺的不是知识，是"在这个国家生活了十八年的那套默会知识"。

高考成绩之外：AI的应试能力意味着什么

有人会问：测AI的高考成绩有意义吗？它又不是真的要上大学。

意义大了。高考本质上是一套标准化能力测试，它考察的是一个人（或一个智能体）在有限时间内、面对混合题型时的综合推理能力。从2023年GPT-4勉强过本科线（总分约520分），到2025年GPT-5稳进985（660分），两年提升了140分。按这个速度，用不了两年，就会有AI模型的高考成绩达到清北录取线。

中国教育科学研究院的《人工智能与教育变革》报告里提了一个尖锐的问题：当一个AI能考出650+的高考分数时，我们还在用这套标准来选拔和评估人类学生，这合理吗？

我其实没有答案。但有一件事很清楚——AI做高考题这件事，测的不只是AI有多聪明，也在照镜子一样照出我们这套考试体系到底在考什么。当英语可以被AI考到148分的时候，我们是不是该重新想想英语教育的重点是什么？当理综计算题AI秒杀人类的时候，理化生教学的方向要不要调？

高考已经结束快一个月了，你愿意让AI替你答题吗？或者换个问法——你希望你的竞争对手是个650分的人类，还是个660分的AI？