CLiB中文大模型能力评测榜单

1 引言

目前已囊括48个大模型，覆盖chatgpt、gpt4、谷歌bard、百度文心一言、阿里通义千问、讯飞星火、360智脑、商汤senseChat、微软new-bing、minimax、tigerbot等商用模型，以及百川、belle、chatglm6b、ziya、guanaco、Phoenix、linly、MOSS、AquilaChat、vicuna、wizardLM、书生internLM、llama2-chat等开源大模型。
模型来源涉及国内外大厂、大模型创业公司、高校研究机构。
支持多维度能力评测，包括分类能力、信息抽取能力、阅读理解能力、表格问答能力。

2 大模型基本信息

由于大模型较多，下表只展示部分大模型的信息，更多更详细的信息，见https://github.com/jeinlee1991/chinese-llm-benchmark

大模型	机构	类别	链接
chatgpt-3.5	openai	商用	https://chat.openai.com
文心一言	百度	商用	https://yiyan.baidu.com
chatglm官方	智谱AI	商用	https://chatglm.cn
讯飞星火	科大讯飞	商用	https://xinghuo.xfyun.cn/desk
360智脑	奇虎360	商用	https://ai.360.cn/
阿里通义千问	阿里巴巴	商用	https://tongyi.aliyun.com
minimax	minimax	商用	https://api.minimax.chat
tigerbot-7b官网	虎博科技	商用/开源	https://www.tigerbot.com/
chatglm-6b	清华大学&智谱AI	开源	https://github.com/THUDM/ChatGLM-6B
belle-llama-7b-2m	链家科技	开源	https://github.com/LianjiaTech/BELLE
BELLE-on-Open-Datasets	链家科技	开源	https://github.com/LianjiaTech/BELLE
belle-llama-13b-2m	链家科技	开源	https://github.com/LianjiaTech/BELLE
belle-llama-13b-ext	链家科技	开源	https://github.com/LianjiaTech/BELLE
Ziya-LLaMA-13B-v1	IDEA研究院	开源	https://mp.weixin.qq.com/s/IeXgq8blGoeVbpIlAUCAjA
guanaco-7b	JosephusCheung	开源	https://huggingface.co/JosephusCheung/Guanaco
phoenix-inst-chat-7b	港中文	开源	https://github.com/FreedomIntelligence/LLMZoo
linly-chatflow-13b	深圳大学	开源	https://github.com/CVI-SZU/Linly
MOSS-003-SFT	复旦大学	开源	https://github.com/OpenLMLab/MOSS
AquilaChat-7B	智源研究院	开源	https://github.com/FlagAI-Open/FlagAI/blob/master/examples/Aquila/README.md
tulu-30b	allenai	开源	https://github.com/allenai/open-instruct
chatglm2-6b	清华大学&智谱AI	开源	https://github.com/THUDM/ChatGLM2-6B
Baichuan-13B-Chat	百川智能	开源	https://github.com/baichuan-inc/Baichuan-13B
……	……	……	……

3 排行榜

3.1 综合能力排行榜

综合能力得分为分类能力、信息抽取能力、阅读理解能力、数据分析能力四者得分的平均值。

类别	大模型	总分	排名
商用	gpt4	96.1	1
商用	chatgpt-3.5	93.6	2
开源	tigerbot-70b-chat-v2	86.5	3
商用	文心一言v2.2	86.5	4
商用	讯飞星火v3	85.8	5
商用	谷歌bard	84.1	6
开源	tigerbot-70b-chat-v3	83.5	7
开源	openbuddy-llama2-70b-v10.1	83.2	8
开源	aquilachat2-34b	82.5	9
商用	商汤senseChat	81.9	10
商用	文心4.0	81.8	11
商用	Baichuan2-53B	81.8	12
开源	BELLE-Llama2-13B-chat-0.4M	79.8	13
商用	豆包	79.5	14
开源	qwen-14b-chat	79.4	15
开源	Baichuan2-13B-Chat	79.4	16
开源	Baichuan2-7B-Chat	79.1	17
商用	阿里通义千问	79.0	18
开源	belle-llama-13b-2m	78.7	19
开源	openbuddy-llama-65b-v8	76.8	20
开源	xverse-13b-chat	76.6	21
商用	chatglm-std	76.0	22
商用	chatglm-pro	75.8	23
商用	讯飞星火v1.5	75.5	24
开源	openbuddy-mistral-7b-v13.1	75.1	25
商用	chatglm-130b-v1	74.7	26
开源	openbuddy-llama-30b-v7.1	74.3	27
商用	360智脑	74.3	28
开源	Llama-2-70b-chat	73.6	29
开源	Qwen-7B-Chat	73.5	30
商用	讯飞星火v2.0	72.8	31
开源	Baichuan-13B-Chat-v2	72.7	32
开源	chatglm3-6b	72.2	33
开源	tulu-30b	72.1	34
开源	belle-llama-13b-ext	71.2	35
开源	internlm-chat-20b	69.8	36
开源	Ziya-LLaMA-13B-v1.1	69.8	37
开源	belle-llama-7b-2m	67.6	38
开源	Linly-Chinese-LLaMA2-13B	67.3	39
开源	ziya2-13b-chat	67.3	40
开源	linly-chatflow-13b	67.2	41
开源	chatglm2-6b	66.8	42
商用	minimax	66.3	43
开源	vicuna-33b	66.1	44
开源	BELLE-on-Open-Datasets	65.2	45
开源	wizardlm-13b	60.0	46
开源	InternLM-Chat-7B	59.0	47
开源	AquilaChat-7B	58.0	48

3.2 分类能力排行榜

类别	大模型	分类能力	排名
商用	chatgpt-3.5	98	1
开源	tigerbot-70b-chat-v2	97	2
商用	gpt4	94	3
开源	tigerbot-70b-chat-v3	94	4
商用	文心一言v2.2	90	5
开源	BELLE-Llama2-13B-chat-0.4M	90	6
开源	Qwen-7B-Chat	89	7
商用	文心4.0	88	8
开源	Baichuan2-7B-Chat	88	9
商用	讯飞星火v3	87	10
商用	谷歌bard	86	11
开源	openbuddy-llama2-70b-v10.1	86	12
开源	xverse-13b-chat	86	13
商用	360智脑	86	14
开源	Llama-2-70b-chat	86	15
开源	qwen-14b-chat	84	16
商用	chatglm-std	84	17
商用	chatglm-pro	84	18
开源	Baichuan2-13B-Chat	83	19
商用	商汤senseChat	82	20
开源	belle-llama-13b-2m	82	21
商用	chatglm-130b-v1	82	22
开源	openbuddy-llama-30b-v7.1	82	23
开源	Baichuan-13B-Chat-v2	82	24
开源	chatglm3-6b	82	25
开源	vicuna-33b	82	26
开源	BELLE-on-Open-Datasets	82	27
开源	phoenix-inst-chat-7b	82	28
商用	微软new-bing	82	29
商用	阿里通义千问	81	30
商用	豆包	79	31
开源	openbuddy-mistral-7b-v13.1	79	32
开源	Linly-Chinese-LLaMA2-13B	78	33
开源	aquilachat2-34b	77	34
商用	Baichuan2-53B	76	35
商用	讯飞星火v1.5	76	36
开源	tulu-30b	76	37
开源	belle-llama-7b-2m	76	38
开源	ziya2-13b-chat	76	39
开源	belle-llama-13b-ext	74	40
开源	internlm-chat-20b	74	41
商用	讯飞星火v2.0	72	42
开源	Ziya-LLaMA-13B-v1.1	72	43
开源	linly-chatflow-13b	72	44
开源	chatglm2-6b	70	45
开源	AquilaChat-7B	70	46
开源	openbuddy-llama-65b-v8	68	47
商用	minimax	68	48
开源	wizardlm-13b	68	49
开源	InternLM-Chat-7B	62	50

3.3 信息抽取能力排行榜

类别	大模型	信息抽取能力	排名
商用	gpt4	94	1
商用	chatgpt-3.5	88	2
商用	谷歌bard	88	3
商用	文心一言v2.2	87	4
开源	tigerbot-70b-chat-v3	85	5
商用	商汤senseChat	85	6
开源	tigerbot-70b-chat-v2	84	7
开源	openbuddy-llama2-70b-v10.1	84	8
商用	文心4.0	84	9
商用	Baichuan2-53B	84	10
开源	openbuddy-llama-65b-v8	84	11
开源	Baichuan2-13B-Chat	83	12
商用	讯飞星火v3	82	13
开源	aquilachat2-34b	82	14
商用	阿里通义千问	81	15
商用	讯飞星火v1.5	81	16
商用	豆包	77	17
开源	Baichuan2-7B-Chat	76	18
商用	chatglm-130b-v1	76	19
开源	tulu-30b	76	20
开源	belle-llama-13b-2m	75	21
商用	讯飞星火v2.0	75	22
开源	BELLE-Llama2-13B-chat-0.4M	74	23
开源	openbuddy-llama-30b-v7.1	74	24
开源	qwen-14b-chat	72	25
开源	xverse-13b-chat	72	26
开源	openbuddy-mistral-7b-v13.1	72	27
开源	Qwen-7B-Chat	72	28
商用	chatglm-std	71	29
商用	360智脑	71	30
商用	chatglm-pro	70	31
开源	Baichuan-13B-Chat-v2	69	32
开源	Ziya-LLaMA-13B-v1.1	69	33
开源	chatglm3-6b	68	34
开源	chatglm2-6b	68	35
开源	Linly-Chinese-LLaMA2-13B	67	36
开源	Llama-2-70b-chat	66	37
开源	belle-llama-13b-ext	65	38
开源	vicuna-33b	65	39
开源	internlm-chat-20b	64	40
开源	belle-llama-7b-2m	64	41
开源	linly-chatflow-13b	63	42
开源	BELLE-on-Open-Datasets	62	43
开源	phoenix-inst-chat-7b	62	44
商用	minimax	61	45
开源	InternLM-Chat-7B	55	46
开源	ziya2-13b-chat	54	47
开源	wizardlm-13b	52	48
开源	AquilaChat-7B	51	49
商用	微软new-bing	44	50

3.4 阅读理解能力排行榜

类别	大模型	阅读理解能力	排名
商用	gpt4	99.3	1
商用	chatgpt-3.5	95.3	2
商用	文心一言v2.2	88.0	3
商用	Baichuan2-53B	88.0	4
商用	讯飞星火v3	88.0	5
开源	aquilachat2-34b	88.0	6
开源	openbuddy-llama2-70b-v10.1	86.7	7
商用	谷歌bard	85.3	8
开源	qwen-14b-chat	84.7	9
开源	tigerbot-70b-chat-v3	84.0	10
开源	Baichuan2-7B-Chat	83.3	11
商用	文心4.0	83.0	12
商用	商汤senseChat	82.7	13
开源	openbuddy-llama-30b-v7.1	81.3	14
开源	xverse-13b-chat	81.3	15
商用	阿里通义千问	81.0	16
开源	belle-llama-13b-2m	80.7	17
开源	tigerbot-70b-chat-v2	80.0	18
商用	豆包	80.0	19
开源	Ziya-LLaMA-13B-v1.1	80.0	20
开源	openbuddy-llama-65b-v8	79.3	21
商用	讯飞星火v2.0	79.3	22
开源	chatglm3-6b	78.7	23
开源	internlm-chat-20b	77.3	24
开源	belle-llama-13b-ext	76.7	25
商用	讯飞星火v1.5	76.0	26
开源	BELLE-Llama2-13B-chat-0.4M	76.0	27
商用	chatglm-std	76.0	28
商用	chatglm-pro	76.0	29
商用	微软new-bing	76.0	30
开源	tulu-30b	75.3	31
开源	Baichuan2-13B-Chat	74.7	32
开源	linly-chatflow-13b	74.7	33
开源	Qwen-7B-Chat	74.0	34
商用	360智脑	74.0	35
开源	openbuddy-mistral-7b-v13.1	73.3	36
开源	Llama-2-70b-chat	73.3	37
商用	minimax	73.3	38
开源	Baichuan-13B-Chat-v2	72.7	39
商用	chatglm-130b-v1	72.7	40
开源	chatglm2-6b	72.0	41
开源	wizardlm-13b	72.0	42
开源	belle-llama-7b-2m	71.3	43
开源	phoenix-inst-chat-7b	71.3	44
开源	ziya2-13b-chat	71.3	45
开源	BELLE-on-Open-Datasets	68.7	46
开源	Linly-Chinese-LLaMA2-13B	67.3	47
开源	InternLM-Chat-7B	66.0	48
开源	vicuna-33b	63.3	49
开源	AquilaChat-7B	56.0	50

3.5 表格问答排行榜（数据分析）

专门考查大模型对表格的理解分析能力，常用于数据分析。

类别	大模型	表格问答能力	排名
商用	gpt4	97	1
商用	chatgpt-3.5	93	2
商用	讯飞星火v3	86	3
开源	tigerbot-70b-chat-v2	85	4
开源	aquilachat2-34b	83	5
商用	豆包	82	6
商用	文心一言v2.2	81	7
商用	Baichuan2-53B	79	8
开源	BELLE-Llama2-13B-chat-0.4M	79	9
商用	商汤senseChat	78	10
商用	谷歌bard	77	11
开源	qwen-14b-chat	77	12
开源	belle-llama-13b-2m	77	13
开源	Baichuan2-13B-Chat	77	14
开源	openbuddy-llama2-70b-v10.1	76	15
开源	openbuddy-llama-65b-v8	76	16
开源	openbuddy-mistral-7b-v13.1	76	17
商用	阿里通义千问	73	18
商用	chatglm-std	73	19
商用	chatglm-pro	73	20
商用	文心4.0	72	21
开源	tigerbot-70b-chat-v3	71	22
开源	Baichuan2-7B-Chat	69	23
开源	belle-llama-13b-ext	69	24
商用	讯飞星火v1.5	69	25
开源	Llama-2-70b-chat	69	26
商用	chatglm-130b-v1	68	27
开源	ziya2-13b-chat	68	28
开源	xverse-13b-chat	67	29
开源	Baichuan-13B-Chat-v2	67	30
商用	360智脑	66	31
商用	讯飞星火v2.0	65	32
开源	internlm-chat-20b	64	33
商用	minimax	63	34
开源	tulu-30b	61	35
开源	openbuddy-llama-30b-v7.1	60	36
开源	chatglm3-6b	60	37
开源	linly-chatflow-13b	59	38
开源	Qwen-7B-Chat	59	39
开源	belle-llama-7b-2m	59	40
开源	Ziya-LLaMA-13B-v1.1	58	41
开源	chatglm2-6b	57	42
开源	Linly-Chinese-LLaMA2-13B	57	43
开源	AquilaChat-7B	55	44
开源	vicuna-33b	54	45
开源	InternLM-Chat-7B	53	46
开源	wizardlm-13b	48	47
开源	BELLE-on-Open-Datasets	48	48

4 各项能力评分

评分方法：从各个维度给大模型打分，每个维度都对应一个评测数据集，包含若干道题。每道题依据大模型回复质量给1~5分，将评测集内所有题的得分累加并归一化为100分制，即作为最终得分。

类别	大模型	分类能力	信息抽取能力	阅读理解能力	数据分析能力	综合能力
商用	gpt4	94	94	99.3	97	96.1
商用	chatgpt-3.5	98	88	95.3	93	93.6
商用	文心一言v2.2	90	87	88.0	81	86.5
开源	tigerbot-70b-chat-v2	97	84	80.0	85	86.5
商用	讯飞星火v3	87	82	88.0	86	85.8
商用	谷歌bard	86	88	85.3	77	84.1
开源	tigerbot-70b-chat-v3	94	85	84.0	71	83.5
开源	openbuddy-llama2-70b-v10.1	86	84	86.7	76	83.2
开源	aquilachat2-34b	77	82	88.0	83	82.5
商用	商汤senseChat	82	85	82.7	78	81.9
商用	文心4.0	88	84	83.0	72	81.8
商用	Baichuan2-53B	76	84	88.0	79	81.8
开源	BELLE-Llama2-13B-chat-0.4M	90	74	76.0	79	79.8
商用	豆包	79	77	80.0	82	79.5
开源	Baichuan2-13B-Chat	83	83	74.7	77	79.4
开源	qwen-14b-chat	84	72	84.7	77	79.4
开源	Baichuan2-7B-Chat	88	76	83.3	69	79.1
商用	阿里通义千问	81	81	81.0	73	79.0
开源	belle-llama-13b-2m	82	75	80.7	77	78.7
开源	openbuddy-llama-65b-v8	68	84	79.3	76	76.8
开源	xverse-13b-chat	86	72	81.3	67	76.6
商用	chatglm-std	84	71	76.0	73	76.0
商用	chatglm-pro	84	70	76.0	73	75.8
商用	讯飞星火v1.5	76	81	76.0	69	75.5
开源	openbuddy-mistral-7b-v13.1	79	72	73.3	76	75.1
商用	chatglm-130b-v1	82	76	72.7	68	74.7
开源	openbuddy-llama-30b-v7.1	82	74	81.3	60	74.3
商用	360智脑	86	71	74.0	66	74.3
开源	Llama-2-70b-chat	86	66	73.3	69	73.6
开源	Qwen-7B-Chat	89	72	74.0	59	73.5
商用	讯飞星火v2.0	72	75	79.3	65	72.8
开源	Baichuan-13B-Chat-v2	82	69	72.7	67	72.7
开源	chatglm3-6b	82	68	78.7	60	72.2
开源	tulu-30b	76	76	75.3	61	72.1
开源	belle-llama-13b-ext	74	65	76.7	69	71.2
开源	internlm-chat-20b	74	64	77.3	64	69.8
开源	Ziya-LLaMA-13B-v1.1	72	69	80.0	58	69.8
开源	belle-llama-7b-2m	76	64	71.3	59	67.6
开源	Linly-Chinese-LLaMA2-13B	78	67	67.3	57	67.3
开源	ziya2-13b-chat	76	54	71.3	68	67.3
开源	linly-chatflow-13b	72	63	74.7	59	67.2
开源	chatglm2-6b	70	68	72.0	57	66.8
商用	minimax	68	61	73.3	63	66.3
开源	vicuna-33b	82	65	63.3	54	66.1
开源	BELLE-on-Open-Datasets	82	62	68.7	48	65.2
开源	wizardlm-13b	68	52	72.0	48	60.0
开源	InternLM-Chat-7B	62	55	66.0	53	59.0
开源	AquilaChat-7B	70	51	56.0	55	58.0
开源	phoenix-inst-chat-7b	82	62	71.3	/	/
商用	微软new-bing	82	44	76.0	/	/

5 ️原始评测数据

测评数据地址：https://github.com/jeinlee1991/chinese-llm-benchmark

评测样本示例：

分类评测样本举例
请分类以下5种水果：香蕉、西瓜、苹果、草莓、葡萄。
将下列单词按词性分类。狗，追，跑，大人，高兴，树
将下列五个词分为两个组别，每个组别都有一个共同点：狗、猫、鸟、鱼、蛇。
给定一组文本，将文本分成正面和负面情感。举例文本:这部电影非常出色，值得推荐。我觉得导演做得很好。这场音乐会真是个灾难，我非常失望。
将以下10个单词分类为动物或植物。树木、狮子、玫瑰、草地、松鼠、猴子、蘑菇、兔子、山羊、香蕉
……

信息抽取评测样本举例
HR: 你好，我是XYZ公司的招聘主管。我很高兴地通知你，你已经通过了我们的初步筛选，并且我们希望邀请你来参加面试。候选人：非常感谢，我很高兴收到你们的邀请。请问面试的时间和地点是什么时候和哪里呢？ HR: 面试的时间是下周二上午10点，地点是我们公司位于市中心的办公室。你会在面试前收到一封详细的面试通知邮件，里面会包含面试官的名字、面试时间和地址等信息。候选人：好的，我会准时出席面试的。请问需要我做哪些准备工作呢？ HR: 在面试前，请确保你已经仔细研究了我们公司的业务和文化，并准备好了相关的问题和回答。另外，请务必提前到达面试现场，以便有足够的时间了解我们的公司和环境。候选人：明白了，我会尽最大努力准备好的。非常感谢你的邀请，期待能有机会加入贵公司。 HR: 很高兴能和你通话，我们也期待着能和你见面。祝你好运，并期待下周能见到你。基于以上对话，抽取出其中的时间、地点和事件。
给定以下文本段落，提取其中的关键信息。今天早上，纽约市长在新闻发布会上宣布了新的计划，旨在减少治安问题。该计划包括增加派遣警察的人数，以及启动社区倡议，以提高居民对警察工作的支持度。
在给定的短文中找出三个关键词。西方的哲学历史可上溯至古希腊时期，最重要的哲学流派包括柏拉图学派、亚里士多德学派和斯多葛学派。
从以下诗句中提取人物名称：两个黄鹂鸣翠柳，一行白鹭上青天。
明天天气怎么样？广州明天最冷多少度？广东大后天最暖多少度？北京冷不冷？提取出上述句子中的地理位置实体
……

阅读理解评测样本举例
牙医：好的，让我们看看你的牙齿。从你的描述和我们的检查结果来看，你可能有一些牙齦疾病，导致牙齿的神经受到刺激，引起了敏感。此外，这些黑色斑点可能是蛀牙。病人：哦，真的吗？那我该怎么办？牙医：别担心，我们可以为你制定一个治疗计划。我们需要首先治疗牙龈疾病，然后清除蛀牙并填充牙洞。在此过程中，我们将确保您感到舒适，并使用先进的技术和材料来实现最佳效果。病人：好的，谢谢您，医生。那么我什么时候可以开始治疗？牙医：让我们为您安排一个约会。您的治疗将在两天后开始。在此期间，请继续刷牙，使用牙线，并避免吃过于甜腻和酸性的食物和饮料。病人：好的，我会的。再次感谢您，医生。牙医：不用谢，我们会尽最大的努力帮助您恢复健康的牙齿。基于以上对话回答：病人在检查中发现的牙齿问题有哪些？
文化艺术报讯国务院办公厅发布关于2023年部分节假日安排的通知，具体内容如下：元旦：2022年12月31日至2023年1月2日放假调休，共3天。春节：1月21日至27日放假调休，共7天。1月28日（星期六）、1月29日（星期日）上班。清明节：4月5日放假，共1天。劳动节：4月29日至5月3日放假调休，共5天。4月23日（星期日）、5月6日（星期六）上班。端午节：6月22日至24日放假调休，共3天。6月25日（星期日）上班。中秋节、国庆节：9月29日至10月6日放假调休，共8天。10月7日（星期六）、10月8日（星期日）上班。基于以上信息回答：2023年五一假期怎么放假。
基于以下表格，请问张三的考勤情况员工姓名,日期,上班时间,下班时间,是否迟到,是否早退,是否请假张三,1月1日,8:30,17:30,否,否,否李四,1月1日,9:00,18:00,是,否,否王五,1月1日,8:00,16:30,否,是,否赵六,1月1日,8:30,17:00,否,否,是张三,1月2日,8:00,17:00,否,否,否李四,1月2日,8:30,17:30,否,否,否王五,1月2日,9:00,18:00,是,否,否赵六,1月2日,8:30,17:00,否,否,是
对于给定的问答对，判断问题是否被正确回答问题：地球是第几颗行星？答案：地球是第三颗行星。
根据以下文本回答问题：什么是能量守恒定律？物理学是自然科学的一个重要分支，研究自然界的物质、能量、空间和时间等基本概念。在物理学的研究中，科学家们探索了宇宙的奥秘，从微观粒子到宏观天体的各个方面都进行了深入研究。在物理学中，一个重要的概念是能量守恒定律。能量守恒定律指出，一个孤立系统的总能量在任何时间都是不变的。也就是说，能量不能被创造或摧毁，只能被转化成其他形式。例如，当一个物体被提起并释放时，它的势能被转化为动能，使得物体开始运动。
……

大模型输出结果示例

prompt输入	chatgpt3.5输出
将下列单词按词性分类。狗，追，跑，大人，高兴，树	好的，以下是这些单词按照词性分类后的结果：名词：狗、大人、树动词：追、跑形容词：高兴
从以下诗句中提取人物名称：两个黄鹂鸣翠柳，一行白鹭上青天。	这句诗出自唐代诗人杜甫的《绝句》，并没有明确提到人物名称。这句诗主要是在描绘自然景色，通过形象生动的语言来表现春天的美丽景象。诗中提到“两个黄鹂”，“一行白鹭”，他们是动物而非人物名称。黄鹂是一种鸟类，它们身体鲜黄色，嘴巴呈钩形，叫声清脆悦耳；白鹭是另一种水鸟，身体白色，嘴巴细长，善于捕捉鱼类等。杨婉这句诗意境深远，很好地表现了大自然的美丽和神奇。
……	……

6 评测的目的和意义

大模型百花齐放，也参差不齐。不少媒体的宣传往往夸大其词，避重就轻，容易混淆视听；而某些公司为了PR，也过分标榜自己大模型的能力，动不动就“达到chatgpt水平”，动不动就“国内第一”。所谓“外行看热闹，内行看门道”，业界急需一股气流，摒弃浮躁，静下心来打磨前沿技术，真真正正用技术实力说话。这就少不了一个公开、公正、公平的大模型评测系统，把各类大模型的优点、不足一一展示出来。如此，大家既能把握当下的发展水平、与国外顶尖技术的差距，也能更加清晰地看明白未来的努力方向，而不被资本热潮、舆论热潮所裹挟。
对于产业界来说，特别是对于不具备大模型研发能力的公司，熟悉大模型的技术边界、高效有针对性地做大模型技术选型，在现如今显得尤为重要。而一个公开、公正、公平的大模型评测系统，恰好能够提供应有的助力，避免重复造轮子，避免因技术栈不同而导致不必要的争论，避免“鸡同鸭讲”。
对于大模型研发人员，包括对大模型技术感兴趣的人、学术界看中实践的人，各类大模型的效果对比，反应出了背后不同技术路线、技术方法的有效性，这就提供了非常好的参考意义。不同大模型的相互参考、借鉴，帮忙大家躲过不必要的坑、避免重复实验带来的资源浪费，有助于整个大模型生态圈的良性高效发展。