原创力文档- 1、本文档共46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)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
中文大模型基准测评2025年3月报告
—2025中文大模型阶段性进展3月评估
SuperCLUE团队
2025.03.18
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.
报告目录
一、2025年度关键进展及趋势二、年度通用测评介绍
•2025年大模型关键进展•SuperCLUE基准介绍
•2025年值得关注的中文大模型全景图•SuperCLUE大模型综合测评体系
•2025年国内外大模型差距•SuperCLUE通用测评基准数据集及评价方式
•各维度测评说明及示例
•测评模型列表
三、总体测评结果与分析四、DeepSeek系列模型深度分析
•SuperCLUE通用能力测评总榜•DeepSeek-R1及其蒸馏模型对比
•SuperCLUE模型象限•DeepSeek-R1和国内外头部推理模型对比
•SuperCLUE推理模型总榜•DeepSeek-R1第三方平台联网搜索能力测试
•SuperCLUE推理任务总榜（网页端）
•SuperCLUE基础模型总榜•DeepSeek-R1第三方平台稳定性测试
•性价比区间分布（网页端、App端、API端）
•综合效能区间分布
•国内大模型成熟度-SC成熟度指数
•评测与人类一致性验证
•开源模型榜单
•10B级别小模型榜单
•端侧5B级别小模型榜单
报告摘要（一）
•o3-mini(high)稳居第一，推理能力全面领先
o3-mini(high)在SuperCLUE-3月评测中表现卓越，以76.01分和84.51分稳居总榜和推
理任务总榜第一，双榜均领先国内第一近5分，展现出强大的通用推理能力。
•推理模型较基础模型优势明显，且国内较海外头部推理模型略有领先
国内模型推理DeepSeek-R1在总榜上领先Claude3.7Sonnet近2.32分，QwQ-32B在推理
任务榜单上领先Gemini-2.0-Flash-Thinking-Exp-01-21近7.65分。
•大模型在推理速度和性价比的两级分化逐渐明显
国内推理模型DeepSeek-R1和QwQ-32B虽然推理任务上表现出色，但推理时间也随
之变长；在性价比方面，DeepSeek、Qwen系列模型具有极高的性价比优势，但
Claude3.7Sonnet由于高性能仍保持较高的API价格。
•小参数模型表现超出预期
多款开源小参数量模型展现出惊人潜力。尤其是DeepSeek-R1-Distill系列，其中7B和
14B版本在数学推理任务上分别取得了77.23分和79.46分的高分，超越了众多闭源大模型。
文档评论（0）