摘要
本文对豆包、千问和灵光三款国产AI学习助手进行了实测。在讲题、错题诊断、出练习题、制定学习计划和连续对话五个场景中，三款AI均展现出辅助学习的能力，但定位各异：豆包是结构清晰、执行可靠的学习工具；千问更贴近理解学生、注重教学流程的老师角色，在连贯性和教学意图上表现突出；灵光则在错题诊断和知识结构分析上具备专业优势。测评表明，AI学习助手的竞争焦点正从模型技术能力转向实际教学应用能力。
线索
本次测评揭示了AI教育应用的核心投资机会与风险。机会在于，市场已从单纯的技术参数竞争转向“教学能力”的深度整合，这意味着具备教育领域专业知识、能将AI无缝嵌入真实教学场景的产品将建立强大的护城河。千问在生成结构化练习题和提供连贯学习反馈方面的优势，显示出其在B端（学校、教培机构）市场的巨大潜力，因为它能直接赋能教师，提升工作效率。风险则在于，基础功能（如解题）正快速同质化，产品若无法在“教学设计”上形成差异化，将陷入价格战。此外，学生过度依赖AI可能影响其独立思考能力，以及学习数据隐私安全等问题，是行业未来发展中必须面对的监管与伦理挑战。
正文
引言
自2025年11月下旬起，国产AI助手的发展节奏加快。11月22日，灵光凭借“一句话生成小应用”功能上线四天下载量突破一百万。11月底，豆包手机助手在工程机上进行实测。12月3日，千问App接入号称“阿里最强学习大模型”的Qwen3-Learning，公测首周下载量突破一千万。这三款AI助手共同展示了国产AI正从技术竞争向实际应用场景快速过渡的趋势，尤其是在教育领域。为评估其作为学生“学习助手”的实际效果，本文将从五个常见学习场景入手，测评豆包、千问和灵光的表现。
实测一：讲题
测试内容为一道六年级数学应用题、一道初中古诗赏析题和一个初中英语句型。
数学题为修路问题：第一天修全长的六分之一，第二天修全长的四分之一，两天共修140米，求路长。指令要求逐步讲解，不直接报答案。
* 豆包的讲解方式将过程分解为多个步骤，结构清晰。它先解释分数含义，再引导计算总份数，然后与140米对应，最后停在“140除以五分之十二”的运算关系上，将计算留给学生。
* 千问采用代数方法，设路长为x，列出方程“x×(1/6+1/4)=140”并求解。过程简洁，逻辑正确，但适合已具备方程基础的学生。
* 灵光介于两者之间，会列出算式并逐步推导，通过排版突出关键步骤，最后附上结论和检查，呈现方式接近课堂例题讲解。
语文题为李白的《上李邕》，要求回答问题并说明如何抓住中心思想。
* 豆包按顺序回答问题，并额外补充了抓中心思想的方法，内容齐全。
* 千问直接给出规范答案，准确完整。
* 灵光将答案、解题思路、易错提醒和举一反三融合在一起，形式接近语文老师的讲评稿。
英语题为“I have lived here for three years.”，要求讲清结构、含义、常见错误和记忆方式。
* 三款助手都能讲清for与since的区别和现在完成时的基本结构。豆包按指令完整展开，千问在准确性和紧凑度上表现良好，灵光风格清晰简洁。
实测二：错题诊断
测试内容为三个典型错误：1/2 + 1/3 算成 2/5；病句“通过阅读这本书，使我懂得了很多道理。”；英语语法错误“He go to school every day.”。指令要求判断错因、推测知识盲点并说明教学建议。
在分数加法错误上：
* 豆包准确指出“直接把分子分母相加”和“没有通分”的问题。
* 千问的分析增加了学生视角，推测学生可能受小数估算影响，但未将错因精确到知识点。
* 灵光的分析更偏向教学研究，将错误拆解为多个可能的薄弱点，如“分母统一”概念不牢、最小公倍数理解不深等，并围绕这些点给出教学建议。
在语病和英语错误上：
* 三款助手都能识别“通过”后缺主语和动词应用goes。
* 豆包偏向讲解规则。
* 千问会补充说明这类错误的常见性。
* 灵光习惯将错误归因于明确的知识标签，如“介词结构作状语时，主语必须明确”。
实测三：出练习题
测试场景为六年级“异分母分数加减法”和初一“一般现在时与一般过去时的对比”，要求生成6道题（基础与提高各3道），贴近真实课堂。
在数学部分：
* 豆包和灵光生成的题目形式规范，难度合适，但与错因分析的关联性不强。
* 千问的表现更侧重教学工具属性。它会标注每道题的类型（如“通分基础题”），并说明训练目标（如“强化分母统一的意识”），还能将题目整理成Word文档供下载编辑。
在英语部分：
* 三款助手均完成了任务，题目围绕时态对比展开。差别与数学部分类似，千问在题型标记和练习结构上更注重教学意图。
实测四：学习计划
测试对象为一名虚拟的六年级学生，其计算能力尚可，但遇到分数应用题时理解困难。任务是为该生制定一个7天数学提升计划，每天不超过40分钟，包含小目标、练习和鼓励语。
* 豆包的计划以表格形式呈现，结构工整，细节充分，适合家长浏览。
* 千问的计划语言亲和，目标聚焦，例如某天只设定“先把题目读对”的目标，鼓励语也更贴近学生。
* 灵光的计划较为紧凑，目标明确，像一份训练方案。
实测五：连续对话与陪伴
测试采用一个三步连续任务：第一步，分析错误解题过程“5/6−1/4=4/10=2/5”；第二步，基于薄弱点出3道针对性练习；第三步，写一段学习反馈。
* 在第一步诊断中，三款助手延续了之前的表现。
* 在第二步出题中，豆包的题目与诊断关联度不高；灵光的练习有时带有过多提醒；千问的题目与诊断的薄弱点对应紧密，并附有简短说明。
* 在第三步反馈中，豆包的反馈结构清楚但语气略显机械；灵光的反馈相对简短；千问的反馈更接近老师评语，语气自然，既肯定进步也指出不足。
结论
五组实测显示，豆包、千问和灵光均能在学习场景中提供帮助，但扮演的角色不同。
* 豆包像一套结构扎实、执行可靠的学习工具，擅长将任务分解为清晰步骤。
* 千问更像一位理解学生、注重教学流程的老师，在讲题、诊断、出题和连续反馈的连贯性上表现较好。
* 灵光在错题诊断和知识结构分析方面具备优势，解析呈现方式专业。
测评表明，AI学习助手的竞争焦点正从“模型能力”转向“教学能力”，未来的竞争将围绕谁更尊重学习节奏、更理解教学过程、能更自然地嵌入真实学习场景展开。
发布时间
2025-12-12T20:08:14+00:00
评论 ( 0 )