通用大模型「教不好」学生

2026年，一个越来越清晰的共识是：通用大模型（如GPT-4o、Claude 4、文心一言）虽然知识渊博，但「教不好」学生。原因很简单——通用大模型的能力是「回答问题」，而教育的核心是「引导思考」。

通用大模型在教育场景中的典型问题包括：

「直接给答案」而非「引导思考」：学生问「这道题的答案是什么？」通用大模型会直接给出答案和解题步骤。但好的教师不会直接给答案，而是通过提问引导学生自己发现答案。教育的本质不是「告知」，而是「启发」。

「缺乏教学法」：通用大模型不了解教育学和认知心理学，不知道如何根据学生的认知水平和学习阶段调整教学策略。它不知道「最近发展区」理论（Vygotsky），不知道「脚手架」教学法（Scaffolding），不知道「螺旋式课程」设计（Bruner）。

「缺乏学科教学知识」：通用大模型不了解特定学科的教学难点和学生常见误区。例如，它不知道代数中「负数」概念是很多学生的认知障碍，不知道概率论中「条件概率」是常见的误解来源。好的教师拥有「学科教学知识」（Pedagogical Content Knowledge, PCK）——不仅知道学科内容，还知道如何教这门学科。

「缺乏教育场景的合规性」：通用大模型可能输出不适合学生年龄的内容，可能违反教育数据隐私规定，可能无法满足教育评估的标准要求。

教育大模型的四大核心能力

2026年，教育大模型（Education-specific LLM）正在从通用大模型的基础上发展出四大核心能力：

能力一：教学法（Pedagogy）

教育大模型内置了教学法知识，能够根据不同的学习目标、学生特点和教学内容，选择最合适的教学策略。例如，对于概念性知识（如「什么是光合作用」），教育大模型会采用「解释-举例-类比」的教学方法；对于程序性知识（如「如何解一元二次方程」），教育大模型会采用「示范-练习-反馈」的教学方法；对于元认知能力（如「如何制定学习计划」），教育大模型会采用「提问-反思-调整」的引导方法。

能力二：认知诊断（Cognitive Diagnosis）

教育大模型能够通过学生的答题行为和对话交互，诊断学生的知识状态和认知水平。它不是简单地判断「对」或「错」，而是分析「为什么会错」——是概念错误、计算错误、还是审题不清？是「不会」还是「粗心」？基于认知诊断结果，教育大模型可以精准地定位学生的薄弱点，提供针对性的补救方案。

能力三：苏格拉底式提问（Socratic Questioning）

教育大模型的核心教学策略是苏格拉底式提问——不直接给出答案，而是通过一系列引导性问题，帮助学生自己发现答案。例如，学生问「这道题怎么做？」教育大模型不会直接展示解题步骤，而是问「你读题后想到了什么？哪个条件你觉得可以用？让我们先尝试理解题目中的关键信息……」

这种提问式教学需要大模型具备强大的「心智理论」（Theory of Mind）能力——推测学生知道什么、不知道什么、在想什么、困惑在哪里。2026年，随着大模型推理能力的提升，教育大模型的苏格拉底式提问能力正在快速进步。

能力四：情感支持（Affective Support）

教育大模型不仅要「教得好」，还要「懂人心」。学生在学习过程中会出现各种情绪——遇到难题时的挫败感、反复出错时的焦虑、取得进步时的兴奋。教育大模型需要感知这些情绪，并给予适当的情感支持。例如，当学生连续多次答错时，教育大模型会说「没关系，这个问题确实有点难，让我们换个角度来思考」，而不是生硬地给出正确答案。

2026年主要教育大模型产品

Khanmigo（可汗学院+OpenAI）：基于GPT-4o微调的教育大模型，2026年覆盖超过100万学生。Khanmigo的最大特色是苏格拉底式教学——坚决不给答案，坚持引导思考。可汗学院创始人Sal Khan在2026年TED演讲中表示，Khanmigo的「教学耐心」和「个性化程度」已经超过了大多数人类教师。

学而思MathGPT：好未来（学而思）在2025年发布的数学专用大模型，2026年已经迭代到3.0版本。MathGPT专注于数学教学，在数学解题、数学教学、数学对话方面达到了专业级水平。MathGPT在2026年高考数学卷的测试中获得了140分以上（满分150分），并能对每道题给出多种解法和教学建议。

科大讯飞星火教育大模型：科大讯飞在2026年推出的教育专用大模型，整合了语音识别、语音合成、数字人、知识图谱等技术，提供「听说读写」全模态的教育服务。星火教育大模型在2026年已进入超过1000所学校，主要用于英语口语教学、语文作文批改和个性化学习辅导。

Google LearnLM：Google在2026年推出的教育大模型，整合了Google的AI能力（Gemini）和教育学研究（Google for Education）。LearnLM的独特之处在于其强大的多模态能力——可以理解手写数学公式、化学方程式、物理示意图等，并给出教学反馈。

教育大模型的评估标准

2026年，教育大模型的评估正在从「通用AI评估」走向「教育专用评估」。通用AI评估（如MMLU、HumanEval）衡量的是大模型的「知识广度」和「推理能力」，而教育大模型需要衡量的是「教学能力」。2026年，多个教育AI评估基准（Benchmark）被提出：

  • TeachingBench：评估大模型的教学能力，包括讲解清晰度、示例质量、错误诊断能力、反馈质量等维度。
  • SocraticBench：评估大模型的苏格拉底式提问能力，衡量其是否能够通过提问引导学生思考，而非直接给出答案。
  • StudentSim：使用AI模拟不同认知水平的学生，评估大模型对不同学生的教学适应性。

未来展望

展望2027年，教育大模型将向「多模态+多智能体」方向发展。多模态教育大模型将能理解和生成图像、视频、3D模型、交互式模拟等教学资源。多智能体（Multi-Agent）教育系统将模拟「教师+助教+同学」的多人协作学习环境，AI教师负责讲授，AI助教负责答疑，AI同学负责协作和讨论，构建更真实的学习社群。

教育大模型不是要取代教师，而是要让每个教师都拥有一个「AI教学助手」——帮助教师设计课程、批改作业、诊断学生、提供个性化辅导。一个教师+AI教学助手，可以相当于过去五个教师的生产力。在教师资源短缺的背景下，教育大模型正在成为教育系统最需要的基础设施。