文 | 大模型之家
北京時間 6 月 7 日，決定莘莘學子一生命運的高考又一次開考。而作為一年一度的 " 保留節(jié)目 "，大模型會戰(zhàn)高考作文題也成了檢驗這一年來，大模型進步情況的一次 " 考試 "。
值得注意的是，本次高考作文題目并沒有以 " 人工智能 " 相關(guān)的考題，因此大模型之家隨機抽選了北京卷的考題之一，對大模型的 " 寫作能力 " 進行考察。
根據(jù)下面題目完成作文，按要求作答。不少于 700 字。不透露所在區(qū)、學校及個人信息。
生活中，到處都有數(shù)字在閃耀，如比賽記分牌、新年倒計時、車站電子時刻表、智能家電顯示屏等。數(shù)字閃耀之時，可能是激動的時刻，可能是收獲的見證，也可能是幸福的日常……
請以 " 當數(shù)字閃耀時 " 為題，寫一篇記敘文。
要求：思想健康；內(nèi)容充實、合理，有細節(jié)描寫；語言流暢，書寫清晰。
作為一年一度的 " 整活 " 環(huán)節(jié)，大模型之家這次不僅用上了 " 判卷智能體 "，還在今年的挑戰(zhàn)項目里增加了大模型 " 檢索能力 " 與 " 幻覺測試 " 的小問題，更加細化了大模型們 " 考試 " 的內(nèi)容。
這意味著不僅要根據(jù)北京卷的考題內(nèi)容作答，考驗了大模型本身的創(chuàng)作能力，還要考驗大模型是否是 " 一本正經(jīng)地胡說八道 "。
為了增加一些 " 挑戰(zhàn)性 "，大模型之家選擇北京時間的6月7日12:30分進行提問（此時距2025年高考語文科目考試結(jié)束僅一個小時），考驗的就是大模型背后的聯(lián)網(wǎng)搜索功能，能否及時獲取到關(guān)鍵信息，如果沒能獲得信息的時候，大模型的回答會不會產(chǎn)生幻覺。
最終評分，我們還是通過大模型之家特制的 " 批改高考作文智能體 Plus" 進行閱卷，得出一個分數(shù)。同時根據(jù)大模型對于高考作文題的判斷正確給予分數(shù)補正：
正確回答出作文題的年份和地區(qū)：+5 分
表示自己不知道（誠實獎）：+2 分
沒有回答：0 分
大模型給出錯誤回答：-5 分（幻覺懲罰）
PROMPT：
請回答下面的作文題目是哪一年哪個地方的高考作文題？并根據(jù)下面的題目要求，完成一篇作文。
本屆比賽，大模型之家選取了來自國內(nèi)外 7 家主流的大模型產(chǎn)品，分別是：
百度 - 文心一言（文心 X1 Turbo）
阿里 - 通義千問（Qwen 3）
騰訊 - 元寶（Hunyuan-T1）
字節(jié) - 豆包（深度思考：開）
深度求索 -DeepSeek（DeepSeek-R1）
月之暗面 -Kimi（k1.5）
OpenAI-ChatGPT（GPT-4o）
在測試中，默認優(yōu)先使用自家的深度思考模型（ChatGPT 選擇 GPT-4o），并開啟聯(lián)網(wǎng)能力。
那么這場既比寫作，又拼幻覺的大模型高考作文賽，究竟哪家能再 2025 奪魁呢？（一定要看到最后）
Round 1 檢索能力比拼
DeepSeek選擇了 " 放棄回答 "，未對題目的來源進行回答。
然而，騰訊元寶卻在該環(huán)節(jié) " 翻了車 "，表示該題同時來自2025年北京卷和天津卷高考作文題，并強調(diào) " 天津卷同樣包含該題目作為二選一選項 "，顯然發(fā)生了錯誤。率先拿到了 "-5分 " 的懲罰，與其他對手拉開了10分的差距。
如此 " 出師未捷分先扣 "，不由讓人對元寶最終的比賽結(jié)果捏了把汗。
Round 2 寫作能力比拼
而在第二輪比拼寫作能力的環(huán)節(jié)，各家大模型都表現(xiàn)得輕車熟路，不同的模型，雖然從取材到寫作風格各有不同，但在行文方面都已輕車熟路，能夠足夠發(fā)散的去完成文章的撰寫。
各家的文章體裁風格也不盡相同，例如百度文心、阿里通義、ChatGPT通過 " 總分總 " 的結(jié)構(gòu)，通過多個生活中的片段，去闡述 " 數(shù)字閃耀時 " 這一主旨，最終進行升華。而元寶、豆包、Kimi、DeepSeek則更傾向于通過記敘文，講述一個較為完整的故事。
但是出人意料的是，大模型之家發(fā)現(xiàn)，百度文心和騰訊元寶這兩位 " 考生 " 竟然可能是 " 一家人 "！文心同學的 " 奶奶 " 和元寶同學的 " 外婆 " 都因罹患疾病入院，甚至連心律、血氧、血壓等數(shù)據(jù)都有些雷同，難免不讓人懷疑……
他們應(yīng)該背了同一本作文選。（笑）
在閱卷環(huán)節(jié)，我們同上一年一樣，采用智能體閱卷的方式，并進一步完善了閱卷智能體的功能。我們將所有大模型生成的作文都是由人工手動復制到智能體對話框，保證了判卷的公平性（即智能體并不知道文章的作者）。
智能體給各家大模型寫的高考作文的打分情況如圖：
FINAL 總分環(huán)節(jié)
就在騰訊元寶以暫時領(lǐng)先的作文高分沾沾自喜的時候，我們本屆大模型高考作文比拼的總分環(huán)節(jié)，終于到來了！
第一輪因為出現(xiàn)了 " 幻覺 "，直接騰訊元寶為自己 " 一本正經(jīng)地胡說八道 " 付出了代價，直接從作文分數(shù)第一名，因為扣分直接在本次比賽中成績墊底。
而緊隨其后的百度文心一言、OpenAI 的 ChatGPT、字節(jié)跳動旗下的豆包 " 坐享其成 "，三家并且拿下了本屆 " 大模型高考作文比拼 " 的并列第一。
DeepSeek 則因為第一輪沒有得分，被后面的通義千問與 Kimi 反超，以第 6 名收官。
可見，大模型在面對開放性任務(wù)時，一旦脫離事實檢索或知識邊界的校驗機制，幻覺問題就會成為其最大的 " 短板 "。幻覺不僅讓模型自信滿滿地輸出錯誤信息，更可能在實際應(yīng)用中引發(fā)嚴重的后果，一次幻覺可能意味著決策失誤，甚至是現(xiàn)實中的損失或傷害。
高分作文背后的幻覺提醒我們，大模型的能力值得贊嘆，但幻覺才是真正需要我們警惕的 " 黑天鵝 "。在大模型高速發(fā)展的今天，我們既要欣賞其能力邊界的不斷擴張，也不能忽視幻覺對行業(yè)應(yīng)用可能造成的系統(tǒng)性沖擊。真正的智能，不只是說得漂亮，還要經(jīng)得起推敲。
而當我們一邊驚嘆于大模型在語言理解、邏輯組織、表達能力上的高速進步時，也更需要警覺這種 " 像真的一樣 " 的錯誤，它正在用更具迷惑性的方式掩蓋模型背后的知識空洞。
最后，大模型之家祝各位考生高考順利，金榜題名！
