SuperCLUE：2024年中文大模型基准测评报告，端侧小模型表现惊艳

SuperCLUE：2024年中文大模型基准测评报告，端侧小模型表现惊艳

引用

搜狐

1.

https://www.sohu.com/a/855563743_121853127

自2022年11月30日ChatGPT发布以来，AI大模型在全球范围内掀起了有史以来规模最大的人工智能浪潮。国内外AI机构在过去2年有了实质性的突破。

具体可分为：准备期、跃进期、繁荣期和深化期。

总体趋势上，国内外第一梯队大模型在中文领域的通用能力差距正在扩大。2023年5月至今，国内外大模型能力持续发展。其中GPT系列模型为代表的海外最好模型经过了从GPT3.5、GPT4、GPT4-Turbo、GPT4o、o1的多个版本的迭代升级。

国内模型也经历了波澜壮阔的18个月的迭代周期，从2023年5月的30.12%的差距，缩小至2024年8月的1.29%。但随着o1的发布，差距再次拉大到15.05%。

代表性大模型基准表现趋势

1. 以DeepSeek-V3为代表的国产模型正极为接近GPT-4o-latest

在过去2年中，国产代表性模型持续迭代多个版本，DeepSeek-V3、Doubao-pro、GLM-4-Plus、Qwen2.5在中文任务上已经接近GPT-4o。其中DeepSeek-V3表现出色，在12月测评中有超过Claude3.5Sonnet的表现。

2. o1基于强化学习新范式的推理模型，突破80分拉大国内外顶尖模型差距

在12月SuperCLUE测评中，国内外主要头部大模型在SuperCLUE基准得分集中在60-70分。o1和o1-preview基于强化学习新范式的推理模型成为突破70分瓶颈的重要技术代表，尤其o1正式版突破了80分大关，展现出较大的领先优势。

本文原文来自搜狐