SuperCLUE 近日发布了备受关注的《中文大模型基准测评报告》，这份报告对 2025 年 5 月的中文大模型能力进行了全方位的评估。本次测评涵盖了包括数学推理、科学推理、代码生成、智能体 Agent、精确指令遵循以及文本理解与创作等六大核心任务，题目总量高达 1579 道多轮简答题，旨在全面考察大模型在中文环境下的通用能力。
测评结果显示，豆包 1.5 深度思考模型 (Doubao-1.5-thinking-pro) 和商汤科技的日日新 V6 多模态模型 (SenseNova-V6 Reasoner) 表现抢眼，成功超越了此前领先的模型 Gemini 2.5 Flash Preview。这两款模型凭借其在逻辑推理、知识运用等方面的卓越性能，成为了当前中文大模型领域的领跑者。值得注意的是，这次测评凸显了多模态能力在中文大模型中的重要性，SenseNova V6 Reasoner 的优异表现也印证了这一点。
与此同时，DeepSeek-R1、NebulaCoder-V6、Hunyuan-T1 和 DeepSeek-V3 等模型也表现不俗，构成了第二梯队。这些模型在各自擅长的领域内展现出强大的竞争力，例如，DeepSeek 系列在代码生成和科学计算方面一直表现优异，而 Hunyuan-T1 则在文本理解和生成方面有着独特的优势。它们之间的良性竞争，将进一步推动中文大模型技术的整体发展。
SuperCLUE 的报告还指出，当前国内外中文大模型在通用能力方面的差距正在逐渐缩小。尤其是在国内市场，Doubao-1.5-thinking-pro 和 SenseNova V6 Reasoner 的突出表现，不仅吸引了业界的广泛关注，也预示着国内推理模型市场的竞争格局正在加速形成。这意味着国内自主研发的大模型正在逐步追赶甚至超越国际领先水平，这对于中国人工智能产业的健康发展具有重要的战略意义。
总而言之，SuperCLUE 本次测评不仅清晰地呈现了当前中文大模型领域的竞争态势，也为行业内的研发者提供了宝贵的参考信息。通过对各个模型的优劣势的深入分析，开发者可以更好地了解自身模型的改进方向，从而推动整个行业的技术进步。同时，这份报告也为广大用户提供了更加客观和准确的选择依据，帮助用户更好地找到适合自身需求的中文大模型。
