ChatGPT-5.2 AI眼镜进考场，30分钟92.5分，碾压95%大学生

当一副AI眼镜戴着ChatGPT-5.2走进大学考场，30分钟交出92.5分的答卷，碾压95%人类考生时，我们该震惊的不是“作弊”本身——而是那个用标准答案衡量学习的时代，终于被技术撕开了一道血淋淋的口子。

香港科技大学这场“人机同场考试”像一面照妖镜：搭载大模型的乐奇Rokid眼镜，在《计算机网络原理》期末考里，用人类考生一半的时间跑完流程，选择题和单页简答题拿满分，跨页逻辑题稳得像老教授，连计算步骤都写得比多数学生工整。更讽刺的是，它暴露的硬件短板——30分钟电量掉42%、摄像头模糊会影响答题稳定性——反而成了次要话题。所有人突然意识到：当AI能稳定完成“读题-理解-推理-作答”闭环，我们争论“作弊该不该禁止”，就像在马车时代讨论“汽车该不该限速”，完全跑偏了方向。

“一代人有一代人的学习工具”，这话没错。但这次不一样——以前的小抄、学习机，顶多算“辅助外挂”，而AI眼镜是“整机代打”。它不是帮你查漏补缺，是直接替你跑完了整个考试流程。

港科大团队选的测试场景够狠：《计算机网络原理》，公认的“硬核专业课”，考概念记背、逻辑推导、算法应用，样样戳中人类学生的痛点。结果呢？AI眼镜不仅30分钟交卷，还在100多人里冲进前五。英国雷丁大学更狠，把AI生成的答卷混进题库，94%的“AI考生”成功蒙混过关，平均分比真人还高。这哪是“作弊”？这分明是技术在说：“你们这套评估标准，我闭着眼睛都能过。”

AI眼镜答题情境

为什么会这样？因为传统考试从根上就没打算“考活人”。从小学到大学，我们的试卷永远在重复两件事：“你有没有记住我教的知识”“你会不会按我教的步骤解题”。在记忆、计算、按流程推导这些维度上，AI天然是“卷王”——它不会紧张，不会忘公式，更不会算错数。当评估体系把“标准答案”当圣旨，就等于把战场设在了AI的主场。

有人说：“分数还是有用的，至少能看出谁努力。”但AI眼镜的出现，把这句话的漏洞暴露无遗。

纽约大学Stern商学院搞了个新玩法：口试。学生不光要交作业，还得当场解释“为什么选这个方案”“决策时排除了哪些选项”。AI先当考官追问，再交叉评分，重点看“你是不是真的理解”。这才戳中了要害：学习的本质从来不是“记住答案”，是“学会思考”。

你想想，真实世界里哪有“标准答案”？工作中，老板问“怎么优化项目流程”，没人会给你ABCD四个选项；生活中，“要不要换工作”，更没有“第一步算SWOT，第二步列 pros and cons”的固定步骤。真正重要的能力——提出好问题、在信息不全时做判断、在多个方案里权衡取舍——这些传统考试根本考不出来。

港科大的AI眼镜考了92.5分，但它永远不会问“这道题的考点和现实网络安全漏洞有什么关系”，也不会纠结“用A算法虽然快，但会不会牺牲用户隐私”。这些需要“人味”的思考，恰恰是AI的盲区，也是人类该守住的“核心竞争力”。

面对AI，很多人第一反应是“禁了它”。但你禁得了眼镜，禁得了手机吗？禁得了手机，禁得了脑子里的“AI插件”吗？技术从来不是洪水猛兽，是镜子——它照出的，是我们评估体系的“肌无力”。

真正该做的，是把评估重心从“结果”拽回“过程”。就像纽约大学的口试，让学生把思路“摊开来讲”；就像有些高校开始推“展示型作业”，让学生用项目、报告、辩论来证明“我真的懂了”。分数可以有，但不能只有分数。理解有没有发生？逻辑有没有断层？判断有没有取舍？这些被压缩成“92.5分”的细节，才是区分“真学习”和“假刷题”的关键。

更重要的是，教会学生“和AI协作”。当AI能搞定信息整理、公式推导，人就该专注于“要不要信这个结论”“怎么用这个结论解决问题”。就像港科大教授说的：“与其把AI挡在门外，不如让它当‘助教’，把人的精力解放出来搞判断、做选择。”

最后想说：AI眼镜走进考场，不是教育的末日，是转机。它逼着我们重新思考：教育到底要培养什么人？考试到底要筛选什么能力？当技术已经能“代打”标准答案，我们总不能还指望用分数给学生贴标签吧？

或许，未来的考场不会再有“作弊”一说——因为那时的考试，考的是AI永远学不会的东西：你的思考，你的判断，你的“人味”。而那副AI眼镜，不过是帮你搬砖的工具，真正盖楼的，还得是你自己。