日前由上海人工智慧實驗室旗下司南評測體系OpenCompass，對7個AI大模型進行了高考9個科目的全科目測試，從而能全面評測大模型實力。此次參與測試的模型分別來自阿里巴巴、零一萬物、智譜AI、上海人工智慧實驗室&商湯、法國Mistral的開源模型，以及OpenAI的閉源模型GPT-4o。

以參加高考人數最多的河南省分數線作為參考，文科成績最好的AI模型能夠達到一本線，而理科成績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分的成績奪得，而理科狀元則是上海人工智慧實驗室&商湯聯合研發的浦語文曲星，得分為468.5分。

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

在評測中，AI在文科科目如語文、歷史、地理、思想政治等科目上展現了深厚的知識儲備和理解能力，但在理科科目中，數理推理能力普遍存在短板。

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

閱卷老師指出，儘管大模型在基礎知識掌握上表現出色，但在邏輯推理和知識彈性應用方面仍有較大差距。

例如在作答主體題時，大模型常常無法完整理解題幹，導致答非所問；在解答數學題時，解題過程機械且邏輯性差。