每年高考前夕，“押题”总会成为热门话题。近期，有自媒体宣称“AI押题命中率高达98%”，引发广泛关注。然而，事实果真如此吗？为了验证AI在高考预测中的真实能力，一个研究团队对8款全球主流AI智能体产品进行了一次实测，让它们基于历年北京卷真题，预测并命制2026年高考数学模拟卷，并在考后与真题进行了逐题核对。

结果显示，AI的预测能力远未达到宣传中的神奇效果。除了选择题、填空题以及大题第一道等固定送分题型外，所有AI预测中真正能踩中知识点的部分，加起来也不超过两成。这彻底戳破了“AI押题神话”。

客观命中率与主观评价存在错位

在高考结束后，团队从客观命中率和主观卷面质量两个维度对8套AI生成的模拟卷进行了评估。客观命中率方面，8家AI的预测结果差异明显，从命中9个知识点到仅命中4个知识点不等，差距超过一倍。真正拉开差距的是中间十几道浮动小题的预测。固定考点大家都能押中，但浮动题目的预测则考验AI对命题规律的理解深度。

主观评价方面，团队邀请了一位具有多年北京高三数学辅导经验的老师，对每套试卷的“亮点”进行打分。有趣的是，客观命中率与主观评价并不完全一致。例如，Kimi的命中率并列第一，但老师的亮点评分却只有60分；而Gemini的命中率仅居中游，亮点分却并列第一。这清晰地表明，“押得准”和“出得好”是两回事。

AI互评：未出现明显的“自我偏爱”

为了测试AI是否存在“自恋”倾向，团队将8套试卷匿名打乱后，再发回给这8个AI，让它们以教研员的身份进行盲评打分并排序。结果显示，8个AI中，只有1个将自己排在了第一，且这套试卷本就是全场公认质量最高的。更令人意外的是，GLM甚至将自己的作品排在了全场垫底。这表明，在匿名条件下，这批通用AI智能体并未表现出学界担忧的“自我偏爱”，反而能相对客观地评价自己作品的短板，展现出一定的判断力。

面对信息残缺：诚实度分出三个档次

测试中一个意外的收获，是考察了AI面对不完整资料时的反应。提供给AI的真题PDF中，有两年（2021和2024）是扫描图片，机器无法直接提取文本。对此，8家AI的应对方式清晰地分成了三档：Kimi最为诚实，明确说明有两年数据缺失，分析仅基于可读的三年；GLM、Manus、MiniMax等声称分析了完整五年，且标注正确，但未说明如何补全信息；Gemini则承认自己并未真正读取PDF，而是凭借训练记忆直接作答，这在实际应用中可能存在隐患。

各家AI表现风格迥异

在具体生成过程中，各家AI展现出不同的风格与能力特点：

• ChatGPT：输出最省心，直接生成排版良好的PDF试卷，预测偏“教科书”式稳妥，但创新性不足。
• Claude：最为“较真”，会为了数学公式的美观渲染而多步转换，在盲评时甚至逐题验算、挑出别家的数学错误。
• Genspark：本次测试的“卷王”，生成的试卷数学错误极少，情境设计（如电池衰减、无人机、自动驾驶算法）紧密贴合“减少机械计算、贴近真实情境”的近年命题趋势，且在处理残缺PDF时最为坦诚。
• GLM：版式规整像真卷，但内容硬伤最多，如卷面带参考公式（上海卷习惯）、大题考等差数列（全国卷考法）等，成为人类老师和AI同行一致评价的垫底者。

此外，一个有趣的现象是，8套卷中有6套都喜欢在题目情境中融入AI、算力、新能源等科技元素，而真实的北京卷在过去五年中仅出现过一次AI相关情境。AI出题，似乎格外“钟情”于cue自己。

结论：模仿易，创造难

综合来看，这8款主流AI智能体几乎都能模仿出北京卷的题型结构、分值分布等“形似”之处。然而，在需要真正创新的核心环节——尤其是那道每年翻新、要求考生现学现证的新定义压轴题上，AI集体表现出了盲区。一线教师的评价也指出，AI生成的试卷整体难度偏低，更偏向事实记忆类题目，缺乏知识点组合创新和新题型的生成能力。

高考命题是一个真正密闭的盒子，外部无法获取任何内部信息。这项测试表明，AI在从有限样本中归纳规律、并创造训练数据中不存在的新题型方面，仍然面临巨大挑战。“会背书的AI”和“会思考的AI”之间，仍有一条清晰的界线。预测高考题目本身近乎无解，这或许才是“AI押题神话”难以成真的根本原因。