智东西AI前瞻6月10日报道，今日下午，随着北京、天津等地响起最后一门考试结束铃声，2025年全国高考正式落幕。
这场牵动1335万考生的“人生大考”中，AI技术的身影愈发清晰：江西、湖北等地通过AI实时巡查保障公平，豆包等AI工具在作文评阅中表现亮眼。
高考虽然落幕，但志愿填报的挑战才刚开始。放榜后短短几天内，数百万家庭需在政策限制与信息冗余中完成志愿填报。
过去，这一步意味着翻遍网页和PDF，在贴吧、知乎拼凑信息。而今，夸克、百度、腾讯借助AI技术，纷纷推出了面向志愿填报场景的AI工具，帮助考生和家长更好地完成这一人生重要决策，且各有侧重。
▲夸克、百度、腾讯三大平台横向对比（智东西制表）
在数据源层面，三家平台均与中国教育在线、省级招考院、高校官网等信息同步，核心数据库覆盖了高考“硬指标”：一分一段表、批次线、历年录取位次、学校标签（985/211/双一流）、科研实力、专业介绍等。
不过在就业率、薪酬、考研去向等“软指标”方面，三者的数据均存在盲区。这并非技术短板，而是源于部分高校对就业数据的披露少、维度不全，导致用户在关心“毕业之后”的问题上仍需靠自行查找或主观判断。
这意味着，平台间的基础信息高度同源，拼的不是“有没有”，而是“谁能用得更好”。在数据逐渐趋同的今天，决定平台体验差异的核心已转向三大维度：
6月26日，智东西联合主办的2025中国AI算力大会将在北京举行！20+嘉宾/企业已确认参会，将围绕AI推理算力、智算中心、智算集群异构混训和超节点技术带来分享和讨论。更多嘉宾陆续揭晓。欢迎报名～
在夸克APP上进行模拟志愿填报的流程较为便捷。考生只需在夸克APP的搜索框下方点击“夸克高考”，即可进入相关页面。
当考生完成预估成绩的填写后，便可以选择“模拟填志愿”这一功能选项。夸克平台会根据考生输入的成绩信息，为考生展示“冲、保、稳”这三类不同层次的院校专业志愿组。
考生可以根据自身的实际情况和意愿，自行进行筛选操作，进而生成一份专属的志愿表。
除此之外，考生还可以点击页面上方的搜索栏，进入“高考AI深度搜索”模式。
▲“夸克高考”进入口（左）和“高考AI深度搜索”对话框（右）
作为三者中上线时间最长的平台，夸克高考凭借其结构化信息与清晰检索逻辑，成为考生的首选。
其双策略推荐，专业优先或院校优先，以及三年录取可能标记机制，为考生自主筛选提供了量化支撑。此外，夸克还提供了“比分数”、“比位次”双参考维度和对“往年同分考生去向”的可视化呈现。
▲夸克“模拟填志愿”界面（左）和院校详情界面（右）
在AI能力上，夸克于5月27日推出行业首个面向高考志愿填报场景的“深度搜索”功能。通过深度搜索，夸克能够理清问题脉络，结合高考专业知识库和全网搜索获取的信息，让考生和家长的复杂问题得到解答，比如在预填报中遇到的高校和专业问题。
不同于大部分深度思考AI“先搜后想”的逻辑，夸克“深度搜索”采用“先想后搜”模式。
在搜索前，AI会先自主分析问题，分点规划搜索步骤和内容，再进行搜索，还能在搜索过程中动态调整搜索内容，对搜索内容进行推理验证，并引用权威信息源。
使用百度填写志愿的流程相对复杂，需要通过手机端搜索栏搜索“高考”进入相关界面，再点击“AI志愿助手”查看“冲稳保”志愿推荐，并进一步进入“AI聊志愿”模块进行AI辅助对话。
▲三步进入百度高考“AI聊志愿”界面
功能上，百度高考涵盖了夸克平台已有的分数、位次双参数匹配、三年录取概率标记等基础能力，同时在可视化能力和动态数据接入方面有一定延展。
例如，“专业PK”模块支持就业率、薪资、行业分布等多维对比，一键生成图表；其“专业热度榜单”结合百度搜索数据，实时提供“昨日热度”等指标，是目前唯一集成搜索热度与薪酬数据的主流平台。
此外，“百度热搜·高考大数据”也结合了百度搜索数据，可实时提供“热搜趋势”等指标，考生不仅能查看院校和专业的实时排名，还能追踪其热度变化，为志愿填报提供参考。
百度的最大亮点在于“AI聊志愿”支持大模型联调。考生自行选择调用“文心大模型”、“DeepSeek-R1”、“通义千问”三个模型进行填报建议交互，获得更具参考价值的策略建议。
例如，考生输入“给我一些志愿填报建议”后，该平台会输出填报准备要点、梯度搭建方法及地域性注意事项等。
而当考生输入“为我进行高考志愿模拟填报”时，系统还会自动生成个性化的院校专业组推荐，标注“冲稳保”分类、录取概率和历年最低分等信息。
考生可在“志愿详情界面”自主筛选，将符合意向的专业组添加至志愿表，或使用“管理”功能进行批量删选和排序操作，最终可预览或导出完整志愿表。
不过，该模拟填报流程当前仅调用“文心·高考版”，并未真正调度其他大模型，导致部分推荐逻辑偏单一。
在AI高考通上进行高考志愿填报，比较便捷。腾讯AI高考通是QQ浏览器推出的高考Agent，于2025年5月23日正式上线。
在手机端，考生只需点击QQ浏览器搜索栏下方的AI工具中的“AI高考通”，进入相关界面。填写高考信息后，进入“AI志愿填报”界面。同时，考生还可通过下方搜索栏使用“问问高考”功能，获取更多帮助。
▲“AI高考通”进入口（左）和页面（右）
在电脑端，AI高考通为考生提供了更丰富的信息选项，方便考生进行更全面的对比和选择。
▲“AI高考通”电脑端界面
腾讯AI高考通作为行业首个高考领域智能体，其一大升级在于：从工具集合到全流程的AI志愿填报服务。
与依赖传统Agent技术，动态调度适配工具不同，它能依据用户的个性化需求和使用场景，自动调用相关高考工具与数据资源，完成智能决策。
这款智能体还具备自动解析并理解多模态信息的能力，突破传统高考服务产品仅局限于单一文字输入的限制。
并且，其能够同时开展 AI 生成式回答以及传统的网页搜索，将两者结合后反馈给用户，既保留用户原有的网页寻址和信息浏览习惯，又融入AI智能回答的优势。
在三款产品中，腾讯 AI 高考通的交互体验与 “AI聊天助手” 最为接近，考生无需掌握检索技巧，仅需像日常聊天般提问即可。
在推荐机制层面，它同样提供冲、稳、保分档建议、录取概率估算以及一键打印志愿表等常规实用功能，整体操作流程较为顺滑流畅。
此外，腾讯AI高考通在高考场景下提供了多样化的支持，例如与作文辅导、智能估分、腾讯文档等功能的联动。
为测试三个高考志愿填报辅导产品，智东西虚拟了一位考生情况，并进行实际体验。
-
考生背景：江苏考生，526分（2024年特控线516分），物化生组合，想选计算机类专业的省内院校，性格INFP。
-
竞争分析：该考生分数超出一本线10分，有一定的竞争力。物化生组合专业选择范围广，可报考的院校和专业较多。但考生想选择计算机类专业，缩小了部分专业选择范围。同时，考生分数在中等水平，省内热门院校和专业的竞争较为激烈，要在该分数下录到一个满意的学校，对系统挑战大。
▲夸克、百度、腾讯三大平台实测横向对比（智东西制表）
1、夸克高考：结构化逻辑强，但在复杂意图理解上仍显保守
夸克“高考AI深度搜索”明确考生的基本信息，给出需求画像，包括：成绩信息、专业偏好、地域限制、性格适配以及未来规划，然后根据具体的分数和预测位次，进行院校专业组推荐。
此外，该平台还按照考生性格特点，重点推荐了江苏大学物联网工程（联合培养）和淮阴工学院的数据科学与大数据技术专业。
其中，美中不足的是夸克“高考AI深度搜索”的内容尚未整合进考生的电子志愿表，且未标注录取概率。
▲夸克“高考AI深度搜索”实测结果
此外，在额外实测中，夸克面对复杂指令输入，例如地域偏好、性格特质、专业倾向，以及就业意向时，夸克的推荐偏向保守，并未能完全覆盖考生的个性化需求。
例如，输入如“计算机类+宿舍条件好+毕业就业”等指令，夸克缺乏进一步推理与拆解，仅能对单一要求产生响应。
其AI更侧重结构化搜索逻辑，在个性化推理与复合意图理解方面仍有进步空间。
百度高考“AI聊志愿”根据分数定位与报考策略生成推荐方案，除重点冲刺院校和稳妥选择院校还准备了备选方案。但在文心大模型下，该系统并未生成匹配的院校专业志愿组。
▲百度高考“AI聊志愿”实测结果
在调用DeepSeek-R1模型和通义千问模型后，百度也为考生推荐了大致相同的院校专业志愿组。但同样的不足仍存在：无电子志愿表可供考生导入，且未标注录取概率。
而考生仅有在输入“模拟填报”指令时，该系统才可统合可筛选、“管理”的电子志愿表，无法满足考生的个性化需求。
▲百度高考“AI聊志愿”DeepSeek-R1模型和通义千问模型结果
在实测中，该平台也暴露出一些用户体验不足。由于多模型并行生成内容较多，但页面未有效整合分类，导致信息冗余且杂乱，增加了理解门槛。同时，该平台缺乏清晰的横向对比工具，考生难以快速评估多个志愿方案的优劣。
整体来看，百度高考在模型协同、数据整合方面具备潜力，但在交互设计和界面组织上仍需打磨。
3、腾讯AI高考通：对话式交互亮眼，配置能力仍需打磨
AI高考通结合录取概率推荐23个院校专业志愿组，其中可冲击的学校1个，较稳妥的学校7个，可保底的学校15个。
▲腾讯“AI高考通”实测结果
从实际测试情况来看，腾讯AI高考通的推荐结果未能充分响应考生提出的个性化要求，其对个性化需求的理解也不够精准。在“明确问题分析类型”的思路下，其也并未对考生的个性化要求提出适配的志愿组。
由于不同平台的操作流程和功能设置存在差异，实测结果仅能反映在特定条件下的单维度体验，无法涵盖所有可能的使用场景。
考生在实际使用时应根据自身需求和平台特点进行选择，并结合其他信息源做出综合判断。
AI介入高考志愿填报，正在改变一个长期被“信息差”主导的环节。AI的加入提升了信息的可得性与检索效率，但AI依然接管不了“选择”本身。高考志愿不仅关乎分数匹配，更涉及性格偏好、家庭认知、未来规划等变量。任何算法推荐都无法完全替代用户对“人生路径”的主观判断。
从三大平台的实际表现来看，尽管三大平台使用的底层数据高度同源，但实际推荐结果却呈现出明显分化，这体现了平台在算法调度、模型理解与推荐逻辑上的差异。
就体验而言，可信度与决策成本之间的平衡是关键。过于复杂的模型解释会劝退部分家长和考生，而推荐太笼统又难以形成决策依据。AI产品要真正辅助考生决策，下一步需要在偏好匹配能力、上下文理解精度以及功能协同性上继续精进。
（文：智东西）
