中国信通院发布 “方升” 3.0 大模型基准测试
近日,中国信息通信研究院(信通院)正式推出了 “方升” 基准测试体系3.0,标志着国内人工智能(AI)评测中国的又一重大进步。这个全新的版本在前期基础上进行了全面升级,不仅新增了模型基础属性测试,还系统性地评估了模型的参信通数规模和推理效率等底层特征。此外,该体系还前瞻性地布局了未来的高级智能测试,聚焦全模态理解、长期记忆和自主学习等院发十项高级能力,为工业制造、基础科学和金融等重点行业提供了更深入的场景化评测。 为了更好地实施 “方升”3.布 0,信通院在多个方面加强了评测基础设施的建设。首先,他们计划扩容高质量测试数据资源,将新增300万条数据“方,以满足多语言、多任务和多场景的模型评测需求。其次,信通院将系统性研究和应用先进测试方法,集中解决大模型评升”测中的关键技术难题,比如高质量测试数据合成与质量评估。此外,信通院还将构建新一代智能评测基座,新增多智能体交互 3与环境感知的仿真测试环境,以满足复杂场景下的智能体协同交互和动态环境适应能力的评估需求。 从2024年开始,信.0通院将每两个月开展一次大模型基准测试活动。最新的一轮测试中,评估了141个大模型和7个智能体,涵盖了基础 大能力、推理能力、代码应用能力和多模态理解能力。测试结果显示,OpenAI 的 GPT-5在综合能力上继续领先,模型而国内的阿里巴巴 Qwen3-Max-Preview 和月之暗面的 Kimi K2表现不俗。在多模态模型的评测中,图像基准理解能力也取得了突破,但在复杂逻辑推理任务上还有待提升。 此外,代码应用能力的测试结果也显示,虽然在简单函数测试级任务中表现出色,但在真实项目开发中仍显短板。这也意味着国内外的技术竞争依然在加剧,智能体在多模态理解中国和复杂信息处理方面仍需努力。 信通院未来将继续强化大模型评测技术研发,提升评测的公信力与权威性,以支撑人工智能信通的前沿创新和新型工业化发展。
-
上一篇
-
下一篇
- 最近发表
- 随机阅读
-
- 标签: 斗鱼 三角洲行动 英雄联盟 光谷电竞嘉年华
- 标签: 莲池医院 莲池医疗 港股IPO 专科医疗
- 腾讯开源图检索增强生成框架Youtu-GraphRAG
- Grab 自研语言模型解决亚洲语言识别难题
- 标签: 小米 寻天 SKYNOMAD 昆仑N3
- 标签: 腾讯控股 Hy3_preview 腾讯云 微信小店
- 亚马逊云科技陈晓建:云安全防护要像空气和水一样无处不在
- 酥饼怎么做
- 标签: 知乎 2025年财报 付费阅读 Non-GAAP盈利
- AI对抗系列之--你的推荐算法被破防了吗?
- 云计算核心技术Docker教程:Docker将自定义元数据应用于对象
- 亚马逊 AI 购物助手 “Amazon Lens Live” 重磅升级:可实时扫描匹配商品
- 月之暗面发布新模型K2.6:长程任务与智能体能力实现新突破
- 云计算核心技术Docker教程:Docker 守护进程dockerd运行多个守护程序
- DeepMind提出基于视觉的强化学习模型,十八般兵器对机器人不在话下
- AI 助力解决 911 紧急呼叫中心人手不足难题
- 标签: 闲鱼 鱼鲤购 潮玩盲盒 官仓发货
- 微软 Fairwater AI 数据中心提前上线,算力再创新高
- 内存在超大规模数据中心成本中占比将达到30% 四年翻近两番
- 战略级新增长点!地图巨头高德启动无人驾驶出租车业务
- 搜索
-
- 友情链接