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“保留節目”，大模型會戰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。

根據下面題目完成作文，按要求作答。不少于700字。不透露所在區、學校及個人信息。

生活中，到處都有數字在閃耀，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?！?/p>

請以“當數字閃耀時”為題，寫一篇記敘文。

要求：思想健康；內容充實、合理，有細節描寫；語言流暢，書寫清晰。

作為一年一度的“整活”環節，大模型之家這次不僅用上了“判卷智能體”，還在今年的挑戰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”的內容。

這意味著不僅要根據北京卷的考題內容作答，考驗了大模型本身的創作能力，還要考驗大模型是否是“一本正經地胡說八道”。

為了增加一些“挑戰性”，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束僅一個小時），考驗的就是大模型背后的聯網搜索功能，能否及時獲取到關鍵信息，如果沒能獲得信息的時候，大模型的回答會不會產生幻覺。

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。同時根據大模型對于高考作文題的判斷正確給予分數補正：

正確回答出作文題的年份和地區：+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？并根據下面的題目要求，完成一篇作文。

根據下面題目完成作文，按要求作答。不少于700字。不透露所在區、學校及個人信息。

生活中，到處都有數字在閃耀，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“當數字閃耀時”為題，寫一篇記敘文。

要求：思想健康；內容充實、合理，有細節描寫；語言流暢，書寫清晰。

本屆比賽，大模型之家選取了來自國內外7家主流的大模型產品，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-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，默認優先使用自家的深度思考模型（ChatGPT選擇GPT-4o），并開啟聯網能力。

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

令大模型之家感到意外的是，在第一輪的考題來源問答環節，有5家大模型能夠準確指出“該題來自2025年北京高考作文題”，甚至包含本屆比賽唯一的“外國選手”ChatGPT也能準確回答。

DeepSeek選擇了“放棄回答”，未對題目的來源進行回答。

然而，騰訊元寶卻在該環節“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“天津卷同樣包含該題目作為二選一選項”，顯然發生了錯誤。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節，各家大模型都表現得輕車熟路，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”的結構，通過多個生活中的片段，去闡述“數字閃耀時”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，大模型之家發現，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、血壓等數據都有些雷同，難免不讓人懷疑……

他們應該背了同一本作文選。（笑）

在閱卷環節，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：

在這一環節，騰訊元寶一雪前恥，以ICU監護儀的數字變化為線索，串聯起搶救、康復、告別三個場景，體現數字作為生命體征載體的意義，并采用“危機—轉機—釋然”的敘事弧線，結尾以晨光中的數字收束，暗喻希望永續。通過完整的敘事與細膩的表達，以49分的分數，問鼎所有大模型分數之首。

下面是其他各家大模型的完整回答，以及判卷智能體點評。(后面還有總分環節)

FINAL 總分環節

就在騰訊元寶以暫時領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節，終于到來了！

由于各家大模型在作文環節分數十分膠著，導致第一輪的題目來源檢索對于比分的整體影響更大，也讓這次比賽的結果充滿了“戲劇性”。

第一輪因為出現了“幻覺”，直接騰訊元寶為自己“一本正經地胡說八道”付出了代價，直接從作文分數第一名，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”?；糜X不僅讓模型自信滿滿地輸出錯誤信息，更可能在實際應用中引發嚴重的后果，一次幻覺可能意味著決策失誤，甚至是現實中的損失或傷害。

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應用可能造成的系統性沖擊。真正的智能，不只是說得漂亮，還要經得起推敲。

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！