快科技7月18日消息，日前由上海人工智能實(shí)驗(yàn)室旗下司南評(píng)測(cè)體系OpenCompass，對(duì)7個(gè)AI大模型進(jìn)行了高考9個(gè)科目的全科目測(cè)試，從而能全面評(píng)測(cè)大模型實(shí)力。

此次參與測(cè)試的模型分別來自阿里巴巴、零一萬物、智譜AI、上海人工智能實(shí)驗(yàn)室&商湯、法國(guó)Mistral的開源模型，以及OpenAI的閉源模型GPT-4o。

以參加高考人數(shù)最多的河南省分?jǐn)?shù)線作為參考，文科成績(jī)最好的AI模型能夠達(dá)到一本線，而理科成績(jī)最好的模型則只能上二本。

文科狀元由阿里通義千問大模型以546分的成績(jī)奪得，而理科狀元?jiǎng)t是上海人工智能實(shí)驗(yàn)室&商湯聯(lián)合研發(fā)的浦語文曲星，得分為468.5分。

OpenAI的GPT-4o在文科上得分531分，排名第三，理科得分為467分，排名第二。

在評(píng)測(cè)中，AI在文科科目如語文、歷史、地理、思想政治等科目上展現(xiàn)了深厚的知識(shí)儲(chǔ)備和理解能力，但在理科科目中，數(shù)理推理能力普遍存在短板。

特別是在面對(duì)帶圖題目時(shí)，得分率僅有37.64%，顯示出在圖片理解和運(yùn)用能力方面，所有大模型均存在較大提升空間。

閱卷老師指出，盡管大模型在基礎(chǔ)知識(shí)掌握上表現(xiàn)出色，但在邏輯推理和知識(shí)靈活應(yīng)用方面仍有較大差距。

例如在作答主觀題時(shí)，大模型常常無法完整理解題干，導(dǎo)致答非所問；在解答數(shù)學(xué)題時(shí)，解題過程機(jī)械且邏輯性差。