SuperCLUE：中文大模型基准测评2024年度报告-2024中文大模型阶段性进展年度评估

报告摘要• OpenAI发布o1正式版，大幅领跑全球 o1正式版的推出进一步拉大了与其他模型的差距。经12月测评，o1以80.4分大幅领跑全 球，较ChatGPT-4o-latest高10.2分，较国内最好模型高12.1分。 • 国内顶尖大模型进展迅速，较为接近ChatGPT-4o-latest 国内顶尖大模型进展迅速，其中DeepSeek-V3和SenseChat 5.5-latest取得68.3分表现出 色，超过Claude 3.5 Sonnet和Gemini-2.0-Flash-Exp，较为接近ChatGPT-4o-latest（仅 相差1.9分）。 • 国内模型在推理速度和性价比方面很有竞争力 国内模型DeepSeek-V3和Qwen2.5-32B-Instruct在推理效能方面表现出色，在高水平 能力的基础上，保持极快的推理速度。在性价比方面，DeepSeek-V3、Qwen2.5- 72B-Instruct（阿里云）在高水平能力的基础上，保持低成本的API价格。 • 端侧小模型表现惊艳 国内端侧小模型进展迅速，部分小尺寸模型表现要好于上一代的稍大尺寸模型，如 Qwen