原创力文档- 1、本文档共89页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
中文大模型基准测评2024年度报告
—2024中文大模型阶段性进展年度评估
SuperCLUE团队
2025.01.08
精准量化通用人工智能（AGI）进展，定义人类迈向AGI的路线图
AccuratelyquantifyingtheprogressofAGI,
definingtheroadmapforhumanitysjourneytowardsAGI.
报告摘要（一）
•OpenAI发布o1正式版，大幅领跑全球
o1正式版的推出进一步拉大了与其他模型的差距。经12月测评，o1以80.4分大幅领跑全
球，较ChatGPT-4o-latest高10.2分，较国内最好模型高12.1分。
•国内顶尖大模型进展迅速，较为接近ChatGPT-4o-latest
国内顶尖大模型进展迅速，其中DeepSeek-V3和SenseChat5.5-latest取得68.3分表现出
色，超过Claude3.5Sonnet和Gemini-2.0-Flash-Exp，较为接近ChatGPT-4o-latest（仅
相差1.9分）。
•国内模型在推理速度和性价比方面很有竞争力
国内模型DeepSeek-V3和Qwen2.5-32B-Instruct在推理效能方面表现出色，在高水平
能力的基础上，保持极快的推理速度。在性价比方面，DeepSeek-V3、Qwen2.5-
72B-Instruct（阿里云）在高水平能力的基础上，保持低成本的API价格。
•端侧小模型表现惊艳
国内端侧小模型进展迅速，部分小尺寸模型表现要好于上一代的稍大尺寸模型，如
Qwen2.5-3B-Instruct、MiniCPM3-4B，均展现出很高的性价比和落地可行性。
来源：SuperCLUE,2025年1月8日
3
报告摘要（二）
各维度国内Top3排行大模型性价比分布
一级维度专项任务国内️TOP1国内️TOP2国内️TOP3
DeepSeek-V3
Step-2-16k
AgentQwen2.5-72B-Instruct/
（75.0分）
（74.0分）
DeepSeek-V3
Qwen-max-latestTeleChat2-Large
文档评论（0）