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、长期记忆和自院发主学习等十项高级能力,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 “方升布 ”3.0,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,集中解决大模型评测中的升”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,新增多智能体交互与 3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,信通.0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,涵盖了基础能力、推 大理能力、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,而国模型内的阿里巴巴 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,图像理基准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,虽然在简单函数级任测试务中表现出色,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和复杂中国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,以支撑人工智能的前沿创信通新和新型工业化发展。
- ·亚马逊宣布购买11架播音767飞机 加快交付速度
- ·OB Cloud上线新版本 支持云上单机分布式一体化能力
- ·标签: 霸王茶姬
- ·亚马逊宣布将手掌扫描支付系统拓展到全食超市
- ·标签: 网络治理
- ·标签: 新石器 腾讯 无人配送 L4级自动驾驶
- ·标签: 奥克斯电气 家用空调 中央空调 财报
- ·云安全日报210608:红帽Nettle密码库发现内存越界访问漏洞,需要尽快升级
- ·标签: 贵州茅台 蒋焰 丁雄军 茅台集团
- ·标签: SensorTower AppMagic 移动应用情报 游戏数据分析
- ·标签: 阿里千问 Qwen3.5 摩尔线程 MTT S5000
- ·标签: Temple Zomato 迪平德尔·戈亚尔 可穿戴设备
- ·标签: 高德 AI停车雷达 智慧交通 停车功能
- ·标签: 吉利银河 上汽通用 北盛工厂 沈阳
- ·标签: TCL SQD-Mini LED NXTPAPER 4.0 AI健康空调 CES2026
- ·腾讯混元3D Studio 震撼登场:3D 创作从"天"级提速至"分钟"级
- ·英特尔复苏计划导致利润承压 数据中心业务疲软引发担忧
- ·标签: 罗博特科 光伏 清洁能源 半导体
- ·消息称DeepSeek年底推出超强AI代理模型
- ·AI生成“AI孙子职场语录”短视频账号:婴儿脸说大人话狂吸粉
- ·视觉中国坐拥7亿合规数据,获阿里、微软等头部 AI 公司模型训练订单
- ·DeepSeek 模型在港大美股交易竞赛中夺冠,年化回报率10.61% 远超 GPT、纳斯达克基准
- ·标签: 无界动力 张玉峰 许闻达 具身智能
- ·标签: Last War 王者荣耀 Royal Match MONOPOLY GO
- ·谷歌关闭Stadia游戏制作部门 放弃与PlayStation竞争转向合作
- ·标签: 孙正义 战神劳菲 微信AI 软银
