图:“天罡”通用大模型评测榜单
本次测评通过全面评测维度、权威评测题库、动态抽题、多裁判模型判别和人工审核等机制对国内外主流通用大模型开展了评测,评测对象包括国际头部闭源OpenAI的GPT-4系列、Google的Gemini系列、Anthropic的Claude系列、国内主流的闭源模型以及国内外主流的开源模型,评测结果展示了当前开源/闭源通用大模型整体能力分布和差距。
评测结果显示,GPT-4o在语言理解、认知推理、智能体等方面能力表现出色,总得分82.55分。国内头部大模型豆包、智谱清言在中文场景已达到GPT-4o的90%分位水平。其中,豆包pro模型得分达到79.38分,不仅在国产模型中排名最高,同时也超过了Gemini 1.5 pro、Claude3-Opus、Mistral Large等海外模型。
豆包大模型由字节跳动自研,是国内首批通过算法备案的大模型之一,正在通过字节跳动旗下云服务平台火山引擎面向企业提供服务。在近日召开的火山引擎AI创新巡展上海站活动中,新版豆包语言模型正式亮相,宣布其综合能力相比今年5月首次发布时提升了20.3%。(作者:李原)