最近，由清华大学基础模型研究中心联合中关村实验室研制的SuperBench大模型综合能力评测框架，正式对外发布2024年3月版《SuperBench大模型综合能力评测报告》。评测共包含了14个海内外具有代表性的模型，结果显示：文心一言4.0表现亮眼，与国际一流模型水平接近，且差距已经逐渐缩小，名副其实为国内头部模型。
例如在人类对齐能力评测中，文心一言4.0表现优异，位居国内第一，其中在中文推理、中文语言等评测上，文心一言遥遥领先，和其他模型拉开明显差距，中文理解上，文心一言4.0领先优势明显，领先第二名GLM-4 0.41分，GPT-4系列模型表现较差，排在中下游，并且和第一名文心一言4.0分差超过1分。
在语义理解中的数学能力上，文心一言4.0与Claude-3并列全球第一； GPT-4系列模型位列第四五，其他模型得分在55分附近较为集中，明显落后第一梯队；而在语义理解中的阅读理解能力上，文心一言4.0超过GPT-4 Turbo、Claude-3以及GLM-4拿下榜首。
而在企业选择大模型最看重的安全性评测上，国内模型文心一言4.0表现亮眼，力压国际一流模型GPT-4系列模型和Claude-3拿下最高分（89.1分），Claude-3仅列第四。
值得注意的是，文心一言不仅在技术能力上过硬，在应用落地上也是一路领先。自去年3月16日文心一言首发至今，用户数已突破2亿，每天API调用量也突破了2亿。
2023年「百模大战」，国产大模型厮杀猛烈，谁是真正的领头羊？尽管国内外存在多个模型能力评测榜单，但它们的质量参差不齐，排名差异显著。我们在看榜单参考的时候一定要多看权威机构、权威高校的评测，为选择大模型提供科学研判。
Linus 亲自动手，阻止内核开发者用空格替换制表符 父亲是少数会写代码的领导人、次子是开源科技部主管、幼子是开源核心贡献者 李彦宏：自然语言将成为新的通用编程语言、开源模型会越来越落后 华为：用 1 年时间将 5000 个常用手机应用全面迁移至鸿蒙 Java 是最容易出现第三方漏洞的语言 富文本编辑器 Quill 2.0 重磅发布，特性、可靠性与开发者体验大幅提升 马化腾周鸿祎握手“泯恩仇” Meta Llama 3 正式发布 虽然老乡鸡开源的不是代码，但背后的原因却让人很暖心 谷歌宣布进行大规模重组
{{o.name}}
{{m.name}}