我实测了10款AI评估工具：细看它们的真实批改水平

利用快速、准确的人工智能评分，在几秒钟内完成评估

免费开始

这个类别里的每一款工具都说自己用AI批改。
真正区分优秀工具和普通工具的，基本上就是

1）它们能批改什么 2）批改中有多少比例是全自动完成、多少需要人工核查 3）结果最终流向哪里。

一个你不敢信任的AI评分，比压根没有工具还糟糕。

这篇文章面向的是为企业或职业培训项目采购工具的人才发展经理、教学设计师和培训负责人，而不是课堂随堂测验的场景。我没有把Quizizz、Kahoot和Mentimeter列进来，它们是互动工具，不是评估系统。

四类AI评估工具

评估工具并不是单一品类，“AI批改”这个标签下其实藏着四种完全不同的产品。先弄清楚自己需要哪一类，再去比较具体功能。

• 自动批改工具，用来批改你手头已有的作业：Gradescope、CoGrader和EssayGrader。
• 评估引擎与平台，负责题库、考试和开放式作答评分，通常可嵌入其他产品：Learnosity、Questionmark和Cognii。
• 测验生成工具，能把文档或网址一键转换成可自动批改的题目：QuizGecko，以及Coursebox内置的测验生成功能。
• 内嵌于LMS的评估功能，是培训平台里的一项功能：Coursebox、Disprz和360Learning。

我的评判标准

我重点考察了批改团队日常真正要面对的四件事：

• 批改机制：开放式作答是全自动批改，还是保留人工环节，毕竟涉及高风险场景时，AI评分仍然需要人工把关。
• 能批改什么：选择题、书面作答和论文、能力考核、代码、手写或口语作答。不是每款工具都能批改你以为它能批改的内容。
• 结果流向哪里：SCORM、xAPI、LTI还是同步到成绩册。一个出不去的分数，就是一个报表问题。
• 实际成本：有公开定价的看定价，没有公开定价的就要询价。

利益披露：Coursebox是我自己的产品，在这份榜单里排在第二位。我用同样的标准和测试方式来考察它，如果换成别家工具更合适，我也会照实说。

各工具究竟能批改什么

1. Learnosity

最适合：希望把评估功能嵌入自家产品的出版商和认证机构。

Learnosity是一款可嵌入的评估API，不是一个需要登录使用的应用；其Feedback Aide引擎可以大规模批改开放式作答。

• 可批改：50+种题型（选择题、拖拽题、音视频作答、公式题），并可通过Feedback Aide批改论文和简短的开放式作答。
• 准确度：AI辅助评分，由人工审批确认；第三方测试在850篇论文样本上，测得与人工评分的一致性（二次加权卡帕系数）达到0.91。
• 结果导出：通过其Reports和数据API导出，需要你自行搭建导出流程；官方未说明是否提供打包好的SCORM或xAPI支持。
• 价格：按询价制，面向企业客户，没有能还原真实生产环境的自助试用。

测试笔记：深入使用这款工具时，我感觉编写题目的操作有点繁琐。比如从预览一道题到真正开始修改它，我得来回点击进入编辑模式两三次，题库一旦很大，这些操作累积起来就很费时间。

我的看法：这是榜单里功能最深的引擎，但它需要开发人员支持，也需要企业合同预算。如果两者都没有，再强大的功能也发挥不出来。

2. Coursebox

最适合：希望在同一个平台里搭建课程并完成批改的培训团队。

Coursebox是我们自己的产品，这一点先声明清楚。它可以在你搭建和交付课程的同一个工具里直接完成评估批改，而不是另外用一个单独的批改应用。

• 可批改：测验、书面和论文作答、简答题、情景模拟提交内容，以及文件上传（PDF、DOCX、TXT）。
• 准确度：由AI批改，最终确认前可选择加入人工复核，确保任何高风险的评分都不会未经检查就直接放出去。
• 结果导出：支持SCORM和LTI，评估内容和结果可以导入任何LMS。
• 价格：有免费方案；付费版起价约每月$29；企业版需另行询价。

测试笔记：既然这是我们自己的产品，我就直接引用我们的客服数据来说明。关于评估功能，我们收到最多的问题是该怎么配置，比如测验规则、题目乱序、及格线、重考次数和批改方式。批改本身交给AI来完成，但我建议你预留一点时间，把这些规则按自己的需求设置好。

我的看法：如果评估只是搭建和交付培训过程中的一个环节，这是最合适的选择。但如果你只需要独立的论文批改功能，像CoGrader这样的专项工具会更合适。

3. Questionmark

最适合：受监管的高风险认证考试和合规考试场景。

Questionmark是一款面向企业的评估平台，现已并入Learnosity旗下，专为经得起审计、站得住脚的考试而设计。

• 可批改：选择题和题库考试，以及通过基于评分标准的AI Scoring功能批改的长篇书面作答。
• 准确度：AI辅助评分，且强制要求人工复核；每一个最终分数都必须经人工确认。
• 结果导出：在标准协议支持上是这份榜单里做得最全面的，涵盖LTI、SCORM、AICC和xAPI，还能对接Workday、Cornerstone和SuccessFactors。
• 价格：按询价制，面向企业客户。

测试笔记：正式投入使用前，我会重点测试它发布后的锁定程度。一旦考试上线，我就无法再编辑题目了。系统里也没有题目复核这一步，学员和监考人员也不会收到自动通知。

我的看法：如果考试必须经得起审计，这是合适的选择。但用来做非正式的知识检查就显得过重了，而且它在Capterra上的评价数量也不算多（评分3.8）。

4. Gradescope

最适合：偏技术性的批改场景：考试、习题集、手写作业和代码。

Gradescope（隶属于Turnitin）是这份榜单里支持格式最广的批改工具，纸质、电子和代码作业都能在同一个地方处理。

• 可批改：机读卡选择题、手写作业、论文，还能通过自动评分器批改编程作业，是这份榜单里唯一能同时处理手写作业和代码的工具。
• 准确度：人机结合；AI负责把相似的答案归类分组，最终评分由讲师给出。
• 结果导出：可导出到你的成绩册；LMS集成功能则要在机构版套餐中才能使用。
• 价格：基础版免费；机构版按询价制。

测试笔记：它的答案归类和评分标准编辑功能相当扎实。真正让我吃亏的是小组作业：Gradescope让学生自己填报小组成员名单，结果有个学生漏填了一位队友，那位队友的分数就默默变成了零分，直到我发现才纠正过来。小组项目这类作业，我会改用你自己的LMS来处理。

我的看法：在考试和理工科批改方面无人能及。但它的设计思路更偏向高等教育，能力考核和合规流程并不是它擅长的领域。

5. CoGrader

最适合：主要批改论文和书面作业的团队。

CoGrader是一款专注于论文批改的工具：导入作业、设定评分标准，它就能起草评分和反馈意见。

• 可批改：只批改论文和开放式书面作答。
• 准确度：由AI起草评分，最终结果由教师定夺。
• 结果导出：所有用户都能对接Google Classroom，Canvas和Schoology则限学校版套餐使用，其他情况可通过文件导入导出。
• 价格：有免费版（每月100份提交额度），付费版起价约每月$19。

测试笔记：面对单一、聚焦的论文题目，它处理得非常顺畅。但只要我给它一份把三个问题揉进一篇作文里的作业，评分标准的反馈就会变得含糊，所以后来我都尽量让每个题目只对应一个明确的要求。

我的看法：这是榜单里书面批改流程最简洁的一款。它只专注做这一件事，所以不支持测验或能力考核。

6. EssayGrader

最适合：预算有限、又需要批改大量书面作业的场景。

EssayGrader可以批改从简答到长篇论文的各类书面作答，并且公开了真实的准确度数据。

• 可批改：论文、DBQ、报告、案例分析和日志；Pro版套餐还支持视频作业。
• 准确度：AI批改，教师复核；在一项覆盖1,000多篇论文的研究中，其结果与人工评分的差异低于4%。
• 结果导出：Google Classroom、Canvas（可同步到SpeedGrader）和Schoology。
• 价格：是这份榜单里定价最透明的一款：50篇论文以内免费，超出后每月$6.99到$34.99不等。

测试笔记：它的自定义评分标准是强项，反馈内容大多也很准确。让我有所保留的是一致性问题：我把同一篇论文跑了两遍，得到了两个不同的分数，所以我建议把它当作快速初评，最终仍由人工签字确认。

我的看法：性价比高，对自身准确度也很坦诚。但它的设计偏教育场景，在能力考核或SCORM合规这类培训场景上并没有相应的方案。

7. Cognii

最适合：需要大规模、即时反馈的形成性开放式作答练习场景。

Cognii是一款对话式评估引擎，能实时给开放式答案打分，并引导学员逐步掌握知识点。

• 可批改：短论文和开放式作答题，按设计并不支持选择题。
• 准确度：全自动即时评分；在短论文测试中，其与人工评分的一致性据称达到96%。
• 结果导出：官方宣称易于集成，但并未公开具体的LMS、SCORM或导出细节。
• 价格：按询价制，没有公开定价。

我的看法：对于“反复练习直到掌握”这类场景确实好用。但它在公开渠道上的存在感很弱（在G2或Capterra上几乎没有真实评价，导出细节也不清楚），这让企业采购决策变得更难。

8. QuizGecko

最适合：想快速把文档转换成可自动批改测验的场景。

QuizGecko可以根据文档、网址或文本生成测验，并自动批改简答和论文类作答。

• 可批改：选择题、判断题、简答题、连线题、填空题和论文题。
• 准确度：自动批改，官方未说明是否设有强制性的人工环节。
• 结果导出：支持CSV导出，也可以分享或嵌入到Google Classroom等工具中；不支持原生的SCORM或xAPI。
• 价格：起价约每月$16；带API的企业版起价约每月$500。

测试笔记：我把自己的笔记喂给它之后，生成的题目虽然切题，但比较宽泛，更多是在改写材料内容，而不是精确考察我想测试的那些表述。后来我摸索出的窍门是给它一个网页而不是PDF，就我的体验来说，它处理网址似乎比处理文档效果更好。

我的看法：用来做知识检查既快又便宜。但要注意，它是一款测验工具，而不是一个正式的评估记录系统。

9. Disprz

最适合：希望在技能培训平台内直接完成评估的人才发展团队。

Disprz是一款人才发展和技能培训平台，评估只是其中一项功能，与学习和数据分析功能并列。

• 可批改：测验和知识检查，以及AI生成的情景模拟练习；主观题的评定则依靠主管和同事反馈。
• 准确度：测验自动评分，但主观题由人工评审，而非AI批改（对话式评估功能目前仍在开发中）。
• 结果导出：支持SCORM和xAPI，且不限定特定LMS。
• 价格：按询价制（Capterra显示其入门套餐约为每用户$3）；在Capterra上获得38条评价，评分4.7。

测试笔记：测验和课程模块本身表现不错。真正让我卡住的是报表功能：智能分析图表比较基础，报表选项也有限，最后我只能把数据导出来，自己搭建更细致的报表。

我的看法：如果你想要的是把评估和技能培训捆绑在一起，它很合适，但它不是一款专门批改开放式作答的AI评分工具。

10. 360Learning

最适合：以协作方式搭建课程、评估只是附加轻量功能的场景。

360Learning是一款协作式LMS，其评估功能比较基础，主要围绕讲师验证来设计。

• 可批改：选择题、填空题和开放式问题。
• 准确度：开放式作答由讲师验证（通过、重试或拒绝），并非AI批改。
• 结果导出：支持SCORM导入，并具备原生的LMS报表功能。
• 价格：Team版起价每用户每月$8；Business版按询价制；在评价数量上是这份榜单里规模最大的（Capterra评分4.7，500+条评价）。

测试笔记：评估功能给人的感觉更像是事后补上的。往课程里插入一个测验的操作比想象中要笨拙，底层引擎也比较轻量，没有真正的题库、随机出题或计时功能，所以我只会用它来做简单的知识检查，别的就不太敢指望了。

我的看法：作为LMS它很出色，但在这份榜单里，它是AI评估功能最弱的一个；其测验引擎缺少题库、随机出题和计时功能。

如果是我，会怎么选

如果评估是搭建和交付培训流程中的一部分，Coursebox会是我的首选：它能在同一个地方批改论文、测验和情景模拟题，保留可选的人工复核环节，还支持通过SCORM和LTI导出结果。如果你需要把评估嵌入自己的产品里，并且有开发人员可以支撑，Learnosity的引擎深度是最强的。如果要做经得起审计的高风险认证考试，选Questionmark。如果只做论文批改，CoGrader的流程最干净利落，EssayGrader则是性价比最高的选择。考试、手写作业和代码这块，Gradescope无人能及；需要即时的形成性练习，Cognii是合适的选择。至于培训项目里可以跳过的，是那些把评估当作附加功能的产品（比如Disprz），或者测验引擎本身比较单薄的产品（比如360Learning）。

声明：Coursebox是我们自己的工具，我在这份对比榜单里尽量做到了如实排名。