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)。
;精准量化通用人工智能（AGI）进展，定义人类迈向AGI的路线图;;;报告目录;;;;2024年国内外大模型差距;Qwen2.5;;;;SuperCLUE通用测评基准数据集及评价方式;理科测评说明1（计算、逻辑推理）;理科测评说明2（代码）;文科测评说明;Hard测评说明1（精确指令遵循）;Hard测评说明2（深度推理）;Hard测评说明3（Agent）;本次测评数据选取了SuperCLUE-12月测评结果，模型选取了国内外有代表性的42个大模型在12月份的版本。;;;;2023-2024年SuperCLUE基准国内外大模型Top3;SuperCLUE通用能力测评：一级维度表现;SuperCLUE通用能力测评：二级细粒度分数;九大任务年度Top5;SuperCLUE大模型综合效能区间分布;SuperCLUE性价比区间分布;国内外推理模型能力对比;SuperCLUE-Hard成绩;;;;;;SuperCLUE-理科成绩;;;;SuperCLUE-文科成绩;;;国内大模型成熟度-SC成熟度指数;;;;开源模型榜单;10B级别小模型榜单;来源：SuperCLUE,2025年1月8日;;AgentCLUE：可执行多轮智能体测评基准;;;;;;;;SuperCLUE-Multi多模态大模型测评框架;;SuperCLUE-V：多模态理解测评基准;SuperCLUE-T2V：文生视频测评基准;SuperCLUE-Image：中文文生图测评基准;SuperCLUE-TTS：中文语音合成测评基准;;;;;;;;.国际大模型表现依然突出
国际大模型表现依然突出：GPT4-Turbo-0125作为目前国际领先的大模型，在中文工业测评中总分74.8分，高于其他国内外模型，并且在各项子能力上均有较大优势。
.在中文工业场景中国内模型很有竞争力
在中文工业场景中国内模型很有竞争力：可以看到本次上榜的国内模型在工业基础能力和应用能力上均表现不俗，国内最高分奇智孔明AInno-15B与GPT-4总分差距仅有1.4分，远小于国内大模型通用能力上与GPT4的差距。;;;;;;;;未来2-3个月SuperCLUE会持续完善大模型专项能力及行业能力的测评基准。现针对于所有专项及行业测评基准征集大模型，欢迎申请。有意愿参与测评的厂商可发送邮件至contact@superclue.ai，标题：SuperCLUE专项/行业测评，请使用单位邮箱，邮件内容包括：单位信息、大模型简介、联系人和所属部门、联系方式。
预告：《SuperCLUE通用基准测评2025年2月报告》将在2025年2月27日发布，欢迎反馈意见、参与???评。;;资料来源：SuperCLUE，公开资料整理;资料来源：SuperCLUE，公开资料整理;资料来源：SuperCLUE，公开资料整理;资料来源：SuperCLUE，公开资料整理;;
文档评论（0）