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信通的参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、长期记忆和自主学院发习等十项高级能力,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”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“方据,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,集中解决大模升”型评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 3能体交互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.0开始,信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 大基础能力、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,虽然在简单函数级测试任务中表现出色,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和复杂信中国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,以支撑人工智能的信通前沿创新和新型工业化发展。
- 最近发表
- 随机阅读
-
- 阿尔巴尼亚创新推出全球首位 AI 部长,力争清廉政府
- 谷歌撰写长文为与Facebook合谋垄断线上广告辩护,否认相关指控
- 萤石发布EZVIZ AI Core X智能大模型主机:64Tops算力开启家居“大脑”时代
- 标签: Agent 腾讯云
- 马斯克xAI将裁员500人 主要涉及数据标注团队
- Poe推出排行榜功能,实时更新AI模型和热门应用受欢迎程度
- 云计算核心技术Docker教程:注册服务器配置注册表
- 标签: 和顺石油 奎芯科技 半导体IP 跨界收购
- 上传一张图片即时生成一个3D世界,灵光App率先将世界模型搬上移动端
- 云安全日报210928:思科多个产品服务器发现数据泄露漏洞,需要尽快升级
- IonQ首席执行官Peter Chapman谈量子计算的采用,创新以及下一步发展
- 美国参议员提出“SANDBOX 法案” 允许AI公司设定长达10年自我监管规则
- 标签: 甲骨文 云计算 OpenAI Meta
- AMD再攀高峰!与甲骨文合作部署5万块AI芯片,全面发力AI市场
- 消息称东芝开始在中国生产数据中心硬盘 计划2025年使产能翻一番
- 标签: GLM-5 智谱 Claude Opus 4.5 Agentic Engineering
- 再见“功能车”!大众发布全域智能体路线图,AI定义汽车时代已来
- AI一键去纹身,几秒钟让你看见明星「真面目」
- 亚马逊Q1财报:云计算业务营收135亿美元
- 云计算核心技术Docker教程:使用SSH保护Docker守护进程
- 搜索
-
- 友情链接