2025 年年度中文大模型基准测评报告发布-低调大师

2025 年年度中文大模型基准测评报告发布

2026-02-04 51

SuperCLUE 正式发布了“2025年度中文大模型基准测评报告”。

本次年度通用基准测评共有23个国内外模型参与，测评集包括六大任务：数学推理、科学推理、代码生成(含Web开发)、智能体（任务规划）、精确指令遵循、幻觉控制，共998题。

测评要点1. 海外闭源模型仍占据榜单头部位置。

在本次2025年年度中文大模型基准测评中，Anthropic旗下的Claude-Opus-4.5-Reasoning以68.25分的总分位居榜首，Google的Gemini-3-Pro-Preview（65.59分）和OpenAI的GPT-5.2(high)（64.32分）紧随其后。国内开源最佳模型Kimi-K2.5-Thinking（61.50分）和闭源最佳模型Qwen3-Max-Thinking（60.61分）分列全球第四和第六。

测评要点2. 国产大模型正从"跟跑"向"并跑"阶段加速演进。

从2025年年初DeepSeek-R1发布，以对标OpenAI o1的性能极大地缩小了海内外模型的差距，到Kimi-K2.5-Thinking和Qwen3-Max-Thinking的发布分别在代码生成任务和数学推理任务上领跑全球，越来越多的国产大模型开始加速追赶上国际顶尖大模型的步伐，甚至在部分领域有所超越。

测评要点3. 海内外开闭源模型结构性差异显著。

闭源阵营呈现出"海外领先、国产追赶"的格局。海外闭源模型以Claude、Gemini、GPT为代表，构成了海外闭源大模型的第一梯队。国产闭源模型以Qwen3-Max-Thinking、Doubao-Seed-1.8-251228(Thinking)、ERNIE-5.0为代表，虽然与海外头部仍有差距，但已形成有效的竞争态势。开源阵营则呈现出"国产主导、海外式微"的格局。国产开源模型以Kimi-K2.5-Thinking、DeepSeek-V3.2-Thinking、GLM-4.7为代表，构成了国产开源模型的第一梯队，媲美海外顶尖闭源模型。海外开源模型的表现相对平淡，gpt-oss-120b、Mistral等被国产开源模型大幅超越。

微信关注我们

原文链接：https://www.oschina.net/news/401891

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

从 “回答者” 进化为 “研究员”：全面解析 Deep Research

1、背景在 AI 问世的两年里，我们习惯了把它当作一个超级百科全书：如果你问它一个事实，它会给出答案；如果你给它一段文字，它会帮你总结。然而，当我们面对“分析某行业未来五年的趋势”或“撰写一份详尽的技术竞品调研报告”这样复杂的任务时，传统的 LLM 往往显得力不从心——它们缺乏深度，容易产生幻觉，且受限于上下文长度。Deep Research正是为了解决这一痛点而生。它不再是一个简单的聊天机器人，而是具备自主推理能力的“AI 研究员”。我将会在下面的内容中深入剖析 Deep Research 的运行机制、其背后的工程挑战以及它如何通过“ReAct 范式”重塑信息获取的方式。2、什么是 Deep ResearchDeep Research 是专为网页浏览、数据分析和复杂任务处理而优化的全新功能。与普通 LLM “问什么答什么”的被动模式不同，Deep Research 具备主动规划和深度推理的能力。它的核心特征可以概括为：1.自主性（Autonomy）：它可以一边思考，一边“查资料”。它不仅是检索信息，还能自主判断信息是否足够，如果不足，它会主动调整搜索关键词再次检索。2.长链条推理...

2026-02-04

37

武汉市于2月3日发布《武汉市数智经济发展行动方案（2026—2028年）》，提出到2028年，全市人工智能产业规模将超过2000亿元，相关企业数量突破1500家，初步建成超大规模人工智能城市。 https://3g.wuhan.gov.cn/sy/whyw/202602/t20260204_2724403.shtml 根据方案，武汉将围绕三大产业、三大场景和三大要素协同推进。在产业方面，将重点打造传感器、光通信、存算一体三个千亿级产业集群，同时建设工业软件生态平台及4个软件超级工厂，并计划培育200家应用服务商，打造50个专业智能体和15款优秀智能终端产品。在应用场景方面，方案明确将推动人工智能在医疗、教育、交通等关键领域的深度融合与应用，建设行业赋能中心，并支持采购本地智能产品。此外，武汉还将致力于打造新的产业发展空间，培育开源生态，并优化资本与人才服务，以构建完善的创新要素支撑体系。

2026-02-04

31

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。