文 | 定焦 One（dingjiaoone），作者 | 王璐，编辑 | 魏佳
又是一年高考季。考场内，千万考生奋笔疾书；考场外，几家互联网大厂的 AI 正围绕高考展开新一轮比拼。
腾讯元宝与 QQ 浏览器联合发布 " 元宝高考通 "，并称其为行业首个高考咨询师 Agent；夸克推出全新升级的高考频道，为考生免费提供 " 高考搜索 "" 智能选志愿 "" 志愿表 "" 志愿报告 " 等功能；百度 APP 内，2026 高考模块已经嵌入到文心助手的核心位置。
这并非大厂第一次盯上高考。早在 2025 年，夸克、QQ 浏览器、百度、豆包就都上线了志愿填报功能。一年过去，这些产品几乎都做了升级。从考前复习、考中安全限制到考后志愿填报，大厂 AI 正被更深地嵌入高考服务的每一个环，各家的投入也在持续增加。
从产品的能力上看，今年的工具确实更进一步，从单轮问答升级为多轮对话，从关键词检索升级为 Agent 式的深度搜索，用起来更简单。但是，使用门槛的降低，并不意味着结果更可靠。有人用 AI 备考，精准锁定薄弱知识点；也曾有人用 AI 报志愿，差点滑档。
带着这些观察，「定焦 One」与多位考生、报志愿工具开发者聊了聊。大厂 AI 为什么集体押注高考这个场景？这些越做越 " 聪明 " 的工具，优点和局限分别在哪儿？以及，在技术被快速推向市场时，其决策的 " 黑箱 " 问题是否被忽略？
01. 从备考到填志愿，大厂 AI 疯狂入局
今年的高考季，各大厂的 AI 布局比往年更猛，表现最突出的是阿里、腾讯、百度、字节四家。
腾讯今年主打 " 元宝高考通 "，定位为 " 行业首个高考咨询师 Agent"，重点突出多轮对话、个性化规划与权威数据支持，试图在 "AI 顾问 " 的定位上形成差异。阿里旗下的夸克今年在高考服务上继续加码，不仅覆盖 " 模拟选志愿 "" 志愿表 " 和 " 志愿报告 " 等全流程功能，还全部免费，背后同样依赖的是 Agent 能力。
百度高考则依托搜索入口与文心大模型，意图在用户 " 搜答案 " 的过程中，将其转化为使用 AI 高考服务的起点。字节的豆包并未在考前专门上线 " 高考专区 "，但用户仍可通过其通用对话入口获取志愿预测与报考建议。参考去年在志愿填报阶段上线专区的节奏，今年它大概率也会在相应节点推出针对性服务。
尽管这些产品并非今年才首次亮相，但均基于过往版本实现了重要升级。
从产品能力看，今年的工具更强调多轮对话、个性化推荐和更权威的数据资源。比如，AI 工具会主动追问细节，结合用户的多轮输入，动态调整方案。同时，在数据上，各平台不仅提供基础信息，也接入了更权威、及时的招考数据，让结果更准、更稳。
从服务环节来看，这些工具覆盖了备考、考中乃至考后志愿填报的全阶段。
2025 届的考生 " 猜想 "，在复习阶段一直用 AI 工具锁定自己的薄弱知识点，" 比如语文文本阅读里我一直搞不定叙述节奏这类题，我就直接让 AI 帮我找相关例题。"
类似的用法还有很多。有考生用 AI 整理政治大题的答题模板，让其从大量真题中抽取高频答题句式；有人用 AI 模拟英语作文批改，打磨固定句型；也有人把历年数学压轴题的解题思路让 AI 逐步拆解、总结方法。从单个知识点到不同学科规划，大厂 AI 工具的复习用法千人千面。
考生陈艾说，自己高三最后冲刺阶段几乎每天都在用 AI 做文言文专项练习。" 我把自己做过的错题发给它，让它给我出五道同类型的题，再帮我归纳这一类题的审题方法，比自己翻书找题快多了。"
到了考试期间，AI 的姿态变了。今年高考期间，豆包、元宝等 AI 工具普遍启动了功能管控，限制拍题识图等类似功能。
这算是高考期间的惯例动作，目的是保持考试公平。
不过，高考期间，用户依旧可以用 AI 工具识别风景、美食，且文字对话也不受影响。猜想就在去年物理考试结束后、下一场开始前的间隙，用 AI 做了一次临时的 " 心理咨询 "。
他考完物理后，感觉自己只能得 70 多分，几乎崩溃，于是向 AI 求助。AI 告诉他 " 物理已成定局，如何带着这个遗憾去专注考下一科，是接下来真正的考题 "，并建议他快速切割对上一科的纠结，并提醒要防止 " 优势学科翻车 " 的意外。这番话成了他调整状态的关键。他觉得虽然 AI 给出的建议道理浅显，但在失利真实发生的那个时刻，自己也需要一个绝对冷静的 " 旁观者 " 来点明。
而报志愿，才是大厂这场较量真正的主战场。
目前大厂的 AI 报志愿工具产品形态大体一致：用户输入所在省份、科目组合、高考成绩，再设置院校类型和专业偏好，AI 生成便能 " 冲、稳、保 " 三档推荐清单，并附上历年录取分数线、排名走势和专业就业分析。部分产品还支持多轮对话，用户可进一步追问相关问题。
在收费上，主流工具目前基本都基础功能免费，这也是它们能快速铺开的关键。但涉及专家咨询、一键填报等功能部分工具则需要 VIP。
尽管框架相似，四家大厂的侧重点各有不同。
阿里夸克脱胎于搜索、深耕高考场景多年，主打数据的精准和深度，是其中唯一推出自研高考志愿大模型的大厂；腾讯则把志愿填报放进 QQ 浏览器和元宝，提供渐进式、对话化的填报体验，背靠社交流量做触达；百度同样依托搜索生态，打的是 " 信息广度 " 牌；字节豆包则侧重快速触达与功能补充。
个人 AI 志愿填报工具开发者 Michael 指出，" 各家的核心推荐逻辑其实很像，真正的差距不在模型，而在数据、产品定位和生态。" 他解释，技术上，主流工具都已采用智能工作流，内核都是通过 " 自动规划 - 搜索 - 反思 " 的循环，来替代传统的人工查找。
02. 有人靠 AI 逆袭，有人因此差点滑档
大厂如此密集地布局，考生最关心的是，这些工具是否真的好用。而不同用户的感受区别很大，这恰恰划出了 AI 能力的边界。
一方面，凡是涉及整理、归类、匹配的活儿，AI 都做得又快又好，能把考生的焦虑迅速转化成具体行动。
猜想表示，AI 更大的价值，在于化解了他有时 " 无从下手 " 的复习焦虑。"AI 的检索和分析能力，用在趋势预测、脉络梳理上很有帮助，尤其是对文科学习。它能把散落的信息快速整合，帮你抓住重点。" 这也解释了为什么他在考试心态崩溃时会转向 AI，在之前的学习中，AI 已扮演了一个相对高效、可信的 " 信息整理者 " 的角色。
陈艾则用 AI 来提升英语写作。" 我把自己的作文发给它批改，它不只纠正语法，还会建议更地道的表达、更清晰的逻辑结构。这种反馈以前只能靠老师，但老师很难每天兼顾到每个人。"
在这些场景中，AI 的优势很明显，它能对结构化信息进行快速处理、归类与匹配，从而高效完成那些以往需消耗大量时间的任务。在这一点上，它确实是个称职的效率工具。
但换到另一种任务，一旦涉及深度理解和复杂决策的场景时，尤其涉及准确性和严谨性时，AI 的短板就暴露出来了。
考生林子涵就有过不愉快的经历。他在核对报考数据时，发现了数据误差：AI 推荐院校的最低录取分数虽与官方一致，但其对应的录取排名却比实际落后了上百名。这个偏差足以让 " 冲 " 的学校希望渺茫，也让 " 稳 " 的选择不再稳妥，很有可能滑档，好在最后一天他发现了这个问题，重新调整了方案。
猜想也使用了 AI 报志愿工具。他认为这类工具在信息检索和整合上确实方便，能快速生成基于分数与位次的备选列表，省去了手动查询的麻烦。但短板同样突出，推荐结果缺乏个性化与针对性。他最终被录取的大学，也不在 AI 此前推荐的名单中。
在他看来，AI 的推荐逻辑过度依赖分数匹配，同一套方案往往被推送给分数相近的大批考生，极易导致他们在那些只招 1 至 2 人的专业上形成 " 志愿扎堆 "，反而降低了录取概率。此外，AI 也难以细致结合考生的个人条件。比如猜想的选科是 " 物化政 "，并未选考生物，可 AI 仍反复推荐与生物强相关的专业，而他几乎无法有效过滤这类明显不匹配的推荐。
即便是相对简单的学科答疑，AI 也并非万无一失。
有考生反映，用 AI 解答数学题时，AI 给出的解法明显超出了高中考纲范围。比如，让 AI 解一道基本不等式的题，常规做法是代数变形，但 AI 给出了 " 求导 " 的思路，而求导是大学微积分的内容。
大模型从业者方芳表示，出现该问题的原因可能在于，虽然大模型拥有丰富的知识，但缺乏对特定场景的深度理解与严格遵守的能力，导致给出正确但无效甚至误导性的建议。
可以看出，AI 在帮助考生整理错题、归纳考点、改作文这类 " 处理信息 " 的任务时，确实能帮考生省下大量时间，但涉及复杂决策的判断以及精准决策的环节，它给出的答案仍然需要人来兜底。
03.AI 高考工具：有进步，但局限更大
需要客观指出的是，经过一年的迭代，大厂的 AI 高考工具在交互体验和信息丰富性上确实有所提升。Michael 表示，仅仅将底层大模型更新到最新版，志愿推荐的结果就会明显改善。" 基座模型进化太快了，我们甚至不需要做太多针对性优化。"
实际上，AI 高考工具确实在变 " 强 "，但这种变强更像是一个 " 搭了顺风车 " 的自动升级。而真正决定工具能力天花板的，是数据完整性、算法、对推荐结果的长期追踪验证等核心问题，这些都很难靠单一的模型升级解决。
首先是大模型固有的 " 逻辑幻觉 " 问题没解决。
" 逻辑幻觉 " 并非程序漏洞，而是大模型基于概率生成的特性所致。在高考辅导场景中，它体现为 AI 给出的题目解析，推理过程可能存在漏洞或错误，最终答案却可能是正确的。
" 这在架构层面无法彻底消除，是技术特性决定的。" 方芳表示。但这也意味着，学生可能面对的是一份逻辑有误却被呈现为 " 标准思路 " 的解析。照着学下去，其风险远大于单纯做错一道题。
其次是错题分析的 " 表面化 "。
目前 AI 的错题分析，大多停留在 " 识别错误 "，还不能 " 追溯成因 "。比如它能指出 " 这道题考查的是等比数列求和公式 "，却回答不了 " 你为什么在这里出错 "。
原因在于 AI 只能获取题目文本和最终答案，但看不到用户的思考过程，因此 AI 往往只能给出 " 加强这个知识点 " 这类通用建议，本质还是一个高效的信息识别工具，做不了真正能进行认知诊断的学习助手。
最后是志愿推荐中存在 " 数据黑箱 " 问题。这或许是所有局限中最为关键、也最受争议的一环。
志愿推荐工具的底层逻辑通常是一个不透明的系统，各平台所使用的历史录取数据来源、清洗规则、预测模型，均被视为商业机密，缺乏统一标准，也缺少第三方监督。
这导致的后果是，同一份成绩输入不同 AI 报志愿平台，推荐结果可能大相径庭。比如，「定焦 One」以一位江苏考生（选科历地政，总分 627 分）为例，用不同 AI 平台进行模拟填报，为了在不同平台间进行更聚焦的对比，我们特意限定了报考地区为北京、上海，结果显示，在 " 冲 " 的院校档位上，因可选项有限，各家结果有一定重合；可到了 " 稳 " 的院校档位，各家给出的名单差异明显。
这主要是因为，" 稳 " 在志愿填报中并没有统一的官方标准，省考试院每年只公布各校的最低投档线，至于 " 高出多少分才算稳 "，由各平台自行把握。尤其当考生将目标限定在北京、上海这类热门地区时，可选的院校数量本就有限，此时哪怕不同平台对 " 稳 " 的判定只差三五分，最终生成的推荐名单也可能截然不同。
这种差异究竟是因为某家平台采用了更保守的预测模型、还是接入了未公开的数据，又或是算法在排序时受到了商业合作因素的影响，外界都难以知晓。Michael 表示，平台虽然可以通过 " 技术约束 " 让结果更准，但 " 约束 " 具体是技术优化，还是商业考量，是一个难以被验证的问题。
方芳则指出了更深的问题，" 当推荐结果出现偏差时，AI 报志愿工具可将其归因于数据复杂或算法概率，用户却难以追溯真正原因，这也让用户很难信任 AI 工具。一个无法被追责的系统，很难赢得真正的信任。
这三道坎叠加在一起，决定了当下的 AI 高考工具本质上还是一个辅助工具，而非可靠的决策建议者。
但即便如此，大厂还是会持续投入。高考是几乎不能出错的人生大事，谁能证明自家工具可靠、有用，谁就能赢得用户长期的信任。而每年上千万考生家庭，本身就是一个高频又高价值的入口。所以，大厂表面上比的是高考工具，争的却是未来的用户、数据、生态，以及 AI 服务的主导权。
只不过，考生在把人生选择交给 AI 之前，还得多留个心眼。
* 题图及文中配图来源于 pexels。应受访者要求，文中方芳、陈艾、林子涵为化名。
