[E-DailyKim Hyun-ah 记者] 如果人工智能(AI)参加今年的大学修学能力考试(修能),会考多少分呢?一个可以一目了然地比较国内外主要AI模型修能成绩的在线仪表盘已正式发布。OpenAI和谷歌的AI模型均以450分满分并列第一,而在韩国本土模型中,LG Corp.(003550) AI研究院的“K-ExaOne”取得了最高分。
据20日由顺天乡大学计算机软件工程系学生具裕谦开发的“2027学年度大学修学能力考试大型语言模型(LLM)解题仪表盘”显示,OpenAI的“GPT-6.2 Astra”和谷歌的“Gemini 4 Neon”均以450分满分并列第一。
具先生在前一天(19日)大学入学考试试题及标准答案公布后,立即让国内外的人工智能模型进行解题,并将结果反映在仪表盘上。 用户可比较韩语、数学、英语、韩国历史、探究等各科成绩,以及不同模型之间的分数差异。450分是大学入学考试5个必考领域(韩语、数学、英语、韩国历史、2门探究科目)原始分数的总和。
由生成式AI撰写。来源=顺天乡大学计算机软件工程系 具裕谦
中国AI企业也跻身前列。 MoonShot AI的“Kimi K1 Pro”获得438分,阿里巴巴的“Qwen 4 Max”获得434.5分,DeepSeek的“DeepSeek V4 Flash”获得432.7分。在美国模型占据榜首之位的同时,中国模型也取得了430多分的成绩。
Upstage的“Solar Pro 4”以392.8分位列第14名,KRAFTON(259960)的“Raon-1-mini-preview”以357.2分位列第15名,KTCorporation(030200)的“Mi:dm K 3.0 Pro”以352.8分位列第16名。
即使是韩国排名第一的K-ExaOne 2.5,也与满分模型相差35.3分。
各模型的开发目的和规模各不相同。Krafton的Raon-1 Mini Preview专注于韩语处理和AI代理任务。KT的“信:音 K 3.0 Pro”则是强化了韩语推理能力的模型。这两款模型均采用了专家混合(MoE)方法,通过有选择地仅运行所需的专业神经网络来减轻运算负担。
本次评估涵盖了韩语和数学的所有选修科目,以及英语、韩国史、科学·社会探究的所有科目。
具先生解释道:“由于几乎在试题公开的同时就开始解题,因此可以很大程度上降低模型已经背诵了正确答案的可能性。”
评估中直接使用了AI模型的应用程序接口(API)。这是因为像ChatGPT这样的普通网络服务中,搜索或计算器等外部工具可能会影响解题过程,因此予以排除。具某将重点放在了不借助外部工具、仅比较模型自身解题能力上。
试题以文本形式呈现,表格和下划线等采用Markdown格式还原。图片和图表则以高清图像形式附上。对于不支持图像输入的模型,则要求其在无图片的情况下解答题目。
成绩可通过各科目原始分数总和及换算为450分满分的分数来查看。具先生解释道:“由于共同科目、选修科目和探究领域的权重不同,即使是同1分,根据科目的不同,对最终换算分数的影响也各不相同。”
此外,还新增了区分免费AI模型与需付费订阅的模型的功能,以便用户不仅能比较成绩,还能对比不同费用水平下的性能差异。
此次结果展示了AI在知识理解和问题解决能力方面已发展到何种水平。但由于各模型的开发目的不同,且考试条件(如是否支持图像输入等)也存在差异,仅凭公开的分数很难判断AI的综合竞争力。
由具先生运营的仪表盘可在“2027学年度大学入学考试LLM解题仪表盘”中查看。
据20日由顺天乡大学计算机软件工程系学生具裕谦开发的“2027学年度大学修学能力考试大型语言模型(LLM)解题仪表盘”显示,OpenAI的“GPT-6.2 Astra”和谷歌的“Gemini 4 Neon”均以450分满分并列第一。
具先生在前一天(19日)大学入学考试试题及标准答案公布后,立即让国内外的人工智能模型进行解题,并将结果反映在仪表盘上。 用户可比较韩语、数学、英语、韩国历史、探究等各科成绩,以及不同模型之间的分数差异。450分是大学入学考试5个必考领域(韩语、数学、英语、韩国历史、2门探究科目)原始分数的总和。
OpenAI·谷歌满分……中国AI也取得430多分在OpenAI和谷歌并列第一的同时,其他美国AI
模型也取得了优异成绩。 OpenAI的“GPT-6.2 Sol”以449.6分位列第三,Anthropic的“Claude Fable 5.2”和“Claude Opus 5.5”均以449.3分并列第四。OpenAI的“GPT-6.1 Terra”则取得了445.8分。
中国AI企业也跻身前列。 MoonShot AI的“Kimi K1 Pro”获得438分,阿里巴巴的“Qwen 4 Max”获得434.5分,DeepSeek的“DeepSeek V4 Flash”获得432.7分。在美国模型占据榜首之位的同时,中国模型也取得了430多分的成绩。
韩国AI由LG领跑……Upstage、Krafton、KT紧随其后在韩国本土AI模型中,LG AI研究院的“K-EXAONE 2.5”以414.7分获得最高分,在参与测试的国内外主要模型中排名第12位。
Upstage的“Solar Pro 4”以392.8分位列第14名,KRAFTON(259960)的“Raon-1-mini-preview”以357.2分位列第15名,KTCorporation(030200)的“Mi:dm K 3.0 Pro”以352.8分位列第16名。
即使是韩国排名第一的K-ExaOne 2.5,也与满分模型相差35.3分。
各模型的开发目的和规模各不相同。Krafton的Raon-1 Mini Preview专注于韩语处理和AI代理任务。KT的“信:音 K 3.0 Pro”则是强化了韩语推理能力的模型。这两款模型均采用了专家混合(MoE)方法,通过有选择地仅运行所需的专业神经网络来减轻运算负担。
具裕谦:“试题公布后立即进行评估……降低了死记硬背正确答案的可能性”开发此次仪表盘的具裕谦以“hehee9”为昵称,自去年起便持续公开AI解答大学入学考试的结果。其目的是通过大家熟悉的大学入学考试,让普通人也能轻松比较AI模型的解题能力。
本次评估涵盖了韩语和数学的所有选修科目,以及英语、韩国史、科学·社会探究的所有科目。
具先生解释道:“由于几乎在试题公开的同时就开始解题,因此可以很大程度上降低模型已经背诵了正确答案的可能性。”
评估中直接使用了AI模型的应用程序接口(API)。这是因为像ChatGPT这样的普通网络服务中,搜索或计算器等外部工具可能会影响解题过程,因此予以排除。具某将重点放在了不借助外部工具、仅比较模型自身解题能力上。
试题以文本形式呈现,表格和下划线等采用Markdown格式还原。图片和图表则以高清图像形式附上。对于不支持图像输入的模型,则要求其在无图片的情况下解答题目。
成绩可通过各科目原始分数总和及换算为450分满分的分数来查看。具先生解释道:“由于共同科目、选修科目和探究领域的权重不同,即使是同1分,根据科目的不同,对最终换算分数的影响也各不相同。”
此外,还新增了区分免费AI模型与需付费订阅的模型的功能,以便用户不仅能比较成绩,还能对比不同费用水平下的性能差异。
此次结果展示了AI在知识理解和问题解决能力方面已发展到何种水平。但由于各模型的开发目的不同,且考试条件(如是否支持图像输入等)也存在差异,仅凭公开的分数很难判断AI的综合竞争力。
由具先生运营的仪表盘可在“2027学年度大学入学考试LLM解题仪表盘”中查看。