產品更好用了，但最關鍵的問題沒解決。

封面 I 豆包AI

作者 I 王璐

報道 I 定焦One

又是一年高考季?？紙鰞?，千萬考生奮筆疾書；考場外，幾家互聯網大廠的AI正圍繞高考展開新一輪比拼。

騰訊元寶與QQ瀏覽器聯合發布“元寶高考通”，并稱其為行業首個高考咨詢師Agent；夸克推出全新升級的高考頻道，為考生免費提供“高考搜索”“智能選志愿”“志愿表”“志愿報告”等功能；百度APP內，2026高考模塊已經嵌入到文心助手的核心位置。

這并非大廠第一次盯上高考。早在2025年，夸克、QQ瀏覽器、百度、豆包就都上線了志愿填報功能。一年過去，這些產品幾乎都做了升級。從考前復習、考中安全限制到考后志愿填報，大廠AI正被更深地嵌入高考服務的每一個環，各家的投入也在持續增加。

從產品的能力上看，今年的工具確實更進一步，從單輪問答升級為多輪對話，從關鍵詞檢索升級為Agent式的深度搜索，用起來更簡單。但是，使用門檻的降低，并不意味著結果更可靠。有人用AI備考，精準鎖定薄弱知識點；也曾有人用AI報志愿，差點滑檔。

帶著這些觀察，「定焦One」與多位考生、報志愿工具開發者聊了聊。大廠AI為什么集體押注高考這個場景？這些越做越“聰明”的工具，優點和局限分別在哪兒？以及，在技術被快速推向市場時，其決策的“黑箱”問題是否被忽略？

今年的高考季，各大廠的AI布局比往年更猛，表現最突出的是阿里、騰訊、百度、字節四家。

騰訊今年主打“元寶高考通”，定位為“行業首個高考咨詢師Agent”，重點突出多輪對話、個性化規劃與權威數據支持，試圖在“AI顧問”的定位上形成差異。阿里旗下的夸克今年在高考服務上繼續加碼，不僅覆蓋“模擬選志愿”“志愿表”和“志愿報告”等全流程功能，還全部免費，背后同樣依賴的是Agent能力。

百度高考則依托搜索入口與文心大模型，意圖在用戶“搜答案”的過程中，將其轉化為使用AI高考服務的起點。字節的豆包并未在考前專門上線“高考專區”，但用戶仍可通過其通用對話入口獲取志愿預測與報考建議。參考去年在志愿填報階段上線專區的節奏，今年它大概率也會在相應節點推出針對性服務。

盡管這些產品并非今年才首次亮相，但均基于過往版本實現了重要升級。

從產品能力看，今年的工具更強調多輪對話、個性化推薦和更權威的數據資源。比如，AI工具會主動追問細節，結合用戶的多輪輸入，動態調整方案。

同時，在數據上，各平臺不僅提供基礎信息，也接入了更權威、及時的招考數據，讓結果更準、更穩。

從服務環節來看，這些工具覆蓋了備考、考中乃至考后志愿填報的全階段。

先看考前。幾家大廠的AI聊天機器人、AI瀏覽器等明星產品中均支持調取全國高考真題，考生可以讓大模型分析命題規律、核心考點，也可以讓它梳理錯題、歸納薄弱知識點。

2025屆的考生“猜想”，在復習階段一直用AI工具鎖定自己的薄弱知識點，“比如語文文本閱讀里我一直搞不定敘述節奏這類題，我就直接讓AI幫我找相關例題。”

類似的用法還有很多。有考生用AI整理政治大題的答題模板，讓其從大量真題中抽取高頻答題句式；有人用AI模擬英語作文批改，打磨固定句型；也有人把歷年數學壓軸題的解題思路讓AI逐步拆解、總結方法。從單個知識點到不同學科規劃，大廠AI工具的復習用法千人千面。

考生陳艾說，自己高三最后沖刺階段幾乎每天都在用AI做文言文專項練習。

“我把自己做過的錯題發給它，讓它給我出五道同類型的題，再幫我歸納這一類題的審題方法，比自己翻書找題快多了。”

到了考試期間，AI的姿態變了。今年高考期間，豆包、元寶等AI工具普遍啟動了功能管控，限制拍題識圖等類似功能。

高考期間豆包的拍照答疑功能無法使用

這算是高考期間的慣例動作，目的是保持考試公平。

不過，高考期間，用戶依舊可以用AI工具識別風景、美食，且文字對話也不受影響。猜想就在去年物理考試結束后、下一場開始前的間隙，用AI做了一次臨時的“心理咨詢”。

他考完物理后，感覺自己只能得70多分，幾乎崩潰，于是向AI求助。AI告訴他“物理已成定局，如何帶著這個遺憾去專注考下一科，是接下來真正的考題”，并建議他快速切割對上一科的糾結，并提醒要防止“優勢學科翻車”的意外。這番話成了他調整狀態的關鍵。他覺得雖然AI給出的建議道理淺顯，但在失利真實發生的那個時刻，自己也需要一個絕對冷靜的“旁觀者”來點明。

而報志愿，才是大廠這場較量真正的主戰場。

目前大廠的AI報志愿工具產品形態大體一致：用戶輸入所在省份、科目組合、高考成績，再設置院校類型和專業偏好，AI生成便能“沖、穩、?！比龣n推薦清單，并附上歷年錄取分數線、排名走勢和專業就業分析。部分產品還支持多輪對話，用戶可進一步追問相關問題。

在收費上，主流工具目前基本都基礎功能免費，這也是它們能快速鋪開的關鍵。但涉及專家咨詢、一鍵填報等功能部分工具則需要VIP。

盡管框架相似，四家大廠的側重點各有不同。

阿里夸克脫胎于搜索、深耕高考場景多年，主打數據的精準和深度，是其中唯一推出自研高考志愿大模型的大廠；騰訊則把志愿填報放進QQ瀏覽器和元寶，提供漸進式、對話化的填報體驗，背靠社交流量做觸達；百度同樣依托搜索生態，打的是“信息廣度”牌；字節豆包則側重快速觸達與功能補充。

個人AI志愿填報工具開發者Michael指出，“各家的核心推薦邏輯其實很像，真正的差距不在模型，而在數據、產品定位和生態。”他解釋，技術上，主流工具都已采用智能工作流，內核都是通過“自動規劃-搜索-反思”的循環，來替代傳統的人工查找。

大廠如此密集地布局，考生最關心的是，這些工具是否真的好用。而不同用戶的感受區別很大，這恰恰劃出了AI能力的邊界。

一方面，凡是涉及整理、歸類、匹配的活兒，AI都做得又快又好，能把考生的焦慮迅速轉化成具體行動。

猜想表示，AI更大的價值，在于化解了他有時“無從下手”的復習焦慮。“AI的檢索和分析能力，用在趨勢預測、脈絡梳理上很有幫助，尤其是對文科學習。它能把散落的信息快速整合，幫你抓住重點?！边@也解釋了為什么他在考試心態崩潰時會轉向AI，在之前的學習中，AI已扮演了一個相對高效、可信的“信息整理者”的角色。

陳艾則用AI來提升英語寫作?！拔野炎约旱淖魑陌l給它批改，它不只糾正語法，還會建議更地道的表達、更清晰的邏輯結構。這種反饋以前只能靠老師，但老師很難每天兼顧到每個人。”

在這些場景中，AI的優勢很明顯，它能對結構化信息進行快速處理、歸類與匹配，從而高效完成那些以往需消耗大量時間的任務。在這一點上，它確實是個稱職的效率工具。

但換到另一種任務，一旦涉及深度理解和復雜決策的場景時，尤其涉及準確性和嚴謹性時，AI的短板就暴露出來了。

考生林子涵就有過不愉快的經歷。他在核對報考數據時，發現了數據誤差：AI推薦院校的最低錄取分數雖與官方一致，但其對應的錄取排名卻比實際落后了上百名。這個偏差足以讓“沖”的學校希望渺茫，也讓“穩”的選擇不再穩妥，很有可能滑檔，好在最后一天他發現了這個問題，重新調整了方案。

猜想也使用了AI報志愿工具。他認為這類工具在信息檢索和整合上確實方便，能快速生成基于分數與位次的備選列表，省去了手動查詢的麻煩。但短板同樣突出，推薦結果缺乏個性化與針對性。他最終被錄取的大學，也不在AI此前推薦的名單中。

在他看來，AI的推薦邏輯過度依賴分數匹配，同一套方案往往被推送給分數相近的大批考生，極易導致他們在那些只招1至2人的專業上形成“志愿扎堆”，反而降低了錄取概率。此外，AI也難以細致結合考生的個人條件。比如猜想的選科是“物化政”，并未選考生物，可AI仍反復推薦與生物強相關的專業，而他幾乎無法有效過濾這類明顯不匹配的推薦。

即便是相對簡單的學科答疑，AI也并非萬無一失。

有考生反映，用AI解答數學題時，AI給出的解法明顯超出了高中考綱范圍。

比如，讓AI解一道基本不等式的題，常規做法是代數變形，但AI給出了“求導”的思路，而求導是大學微積分的內容。

大模型從業者方芳表示，出現該問題的原因可能在于，雖然大模型擁有豐富的知識，但缺乏對特定場景的深度理解與嚴格遵守的能力，導致給出正確但無效甚至誤導性的建議。

可以看出，AI在幫助考生整理錯題、歸納考點、改作文這類“處理信息”的任務時，確實能幫考生省下大量時間，但涉及復雜決策的判斷以及精準決策的環節，它給出的答案仍然需要人來兜底。

需要客觀指出的是，經過一年的迭代，大廠的AI高考工具在交互體驗和信息豐富性上確實有所提升。Michael表示，僅僅將底層大模型更新到最新版，志愿推薦的結果就會明顯改善?！盎Ｐ瓦M化太快了，我們甚至不需要做太多針對性優化?！?/p>

實際上，AI高考工具確實在變“強”，但這種變強更像是一個“搭了順風車”的自動升級。而真正決定工具能力天花板的，是數據完整性、算法、對推薦結果的長期追蹤驗證等核心問題，這些都很難靠單一的模型升級解決。

首先是大模型固有的“邏輯幻覺”問題沒解決。

“邏輯幻覺”并非程序漏洞，而是大模型基于概率生成的特性所致。在高考輔導場景中，它體現為AI給出的題目解析，推理過程可能存在漏洞或錯誤，最終答案卻可能是正確的。

“這在架構層面無法徹底消除，是技術特性決定的?！狈椒急硎?。但這也意味著，學生可能面對的是一份邏輯有誤卻被呈現為“標準思路”的解析。照著學下去，其風險遠大于單純做錯一道題。

其次是錯題分析的“表面化”。

目前AI的錯題分析，大多停留在“識別錯誤”，還不能“追溯成因”。比如它能指出“這道題考查的是等比數列求和公式”，卻回答不了“你為什么在這里出錯”。

原因在于AI只能獲取題目文本和最終答案，但看不到用戶的思考過程，因此AI往往只能給出“加強這個知識點”這類通用建議，本質還是一個高效的信息識別工具，做不了真正能進行認知診斷的學習助手。

最后是志愿推薦中存在“數據黑箱”問題。這或許是所有局限中最為關鍵、也最受爭議的一環。

志愿推薦工具的底層邏輯通常是一個不透明的系統，各平臺所使用的歷史錄取數據來源、清洗規則、預測模型，均被視為商業機密，缺乏統一標準，也缺少第三方監督。

這導致的后果是，同一份成績輸入不同AI報志愿平臺，推薦結果可能大相徑庭。比如，「定焦One」以一位江蘇考生（選科歷地政，總分627分）為例，用不同AI平臺進行模擬填報，為了在不同平臺間進行更聚焦的對比，我們特意限定了報考地區為北京、上海，結果顯示，在“沖”的院校檔位上，因可選項有限，各家結果有一定重合；可到了“穩”的院校檔位，各家給出的名單差異明顯。

夸克高考、元寶高考通、百度高考給出的部分較可穩妥報考的學校

這主要是因為，“穩”在志愿填報中并沒有統一的官方標準，省考試院每年只公布各校的最低投檔線，至于“高出多少分才算穩”，由各平臺自行把握。尤其當考生將目標限定在北京、上海這類熱門地區時，可選的院校數量本就有限，此時哪怕不同平臺對“穩”的判定只差三五分，最終生成的推薦名單也可能截然不同。

這種差異究竟是因為某家平臺采用了更保守的預測模型、還是接入了未公開的數據，又或是算法在排序時受到了商業合作因素的影響，外界都難以知曉。Michael表示，平臺雖然可以通過“技術約束”讓結果更準，但“約束”具體是技術優化，還是商業考量，是一個難以被驗證的問題。

方芳則指出了更深的問題，“當推薦結果出現偏差時，AI報志愿工具可將其歸因于數據復雜或算法概率，用戶卻難以追溯真正原因，這也讓用戶很難信任AI工具。一個無法被追責的系統，很難贏得真正的信任。

這三道坎疊加在一起，決定了當下的AI高考工具本質上還是一個輔助工具，而非可靠的決策建議者。

但即便如此，大廠還是會持續投入。高考是幾乎不能出錯的人生大事，誰能證明自家工具可靠、有用，誰就能贏得用戶長期的信任。而每年上千萬考生家庭，本身就是一個高頻又高價值的入口。所以，大廠表面上比的是高考工具，爭的卻是未來的用戶、數據、生態，以及AI服務的主導權。

只不過，考生在把人生選擇交給AI之前，還得多留個心眼。