首个 AI 高考评测出分：最高 303 分，数学全部不及格 昨日，上海人工智能实验室和司南评测体系发布了 AI 模型参加高考「语数外」全卷能力测试的结果。 该测试选取了 6 个开源模型以及 GPT-4o 进行，采用了全国新课标 I 卷，参与评测的所有开源模型，开源时间均早于高考，成绩由具有高考评卷经验的教师人工评判。 评测结果显示，Qwen2-72B、GPT-4o 及书生·浦语 2.0 文曲星（InternLM2-20B-WQX）三个模型成为前三甲，得分率均超过 70%。 大部分模型都在语文、英语两个科目上表现良好，但是数学科目全员不及格，InternLM2-20B-WQX 得分 75（满分 150）最高，超过 GPT-4o 的 73 分。
