朋友们,如果你觉得AI还只是能陪你聊天的“玩具”,那这份刚刚发布的“国家级”大模型期末考成绩单,可能会颠覆你的认知。
2025年,全球人工智能的竞争已进入白热化。中国的AI模型,是仍在苦苦追赶,还是已经实现了并肩甚至反超?独立测评机构SuperCLUE发布了一份近200页的深度报告,对国内外顶尖的AI大脑进行了一次全方位“摸底考”。结果令人振奋,也发人深省:在推理、代码等“主科”上,中国头部模型已能与美国顶尖产品掰手腕,但在“长链路规划”和“严谨性”上,我们仍有明显的课要补。
在涵盖数学、科学、代码、规划等六大能力的综合测评中,前三名依然被海外模型牢牢占据:Anthropic的Claude、Google的Gemini和OpenAI的GPT-5.2。这并不意外,它们代表了全球AI研发的顶级水准。
然而,最大的亮点在于第四名:来自中国“月之暗面”公司的Kimi K2.5-Thinking。它以开源模型的身份,总分紧咬第三名,将一众海外闭源巨头甩在身后。紧随其后的是阿里巴巴的Qwen3-Max-Thinking,位列全球第六。这意味着,在国际公认的通用能力竞技场上,中国终于有了能与GPT、Claude同场竞技、分数相差无几的选手。
一个更振奋的信号是:在单项冠军榜上,中国模型开始“摘金”。阿里的Qwen3-Max-Thinking在数学推理上与Google Gemini并列全球第一;Kimi在代码生成任务上更是力压群雄,拿下全球冠军。报告指出,中国模型正从全面的“跟跑”,加速进入与海外巨头“并跑”甚至部分“领跑”的新阶段。
。这不仅体现在头部模型夺冠,更体现在整体实力上。在代码生成和数学推理两项上,
。尤其是在需要构建完整网站的前端代码(Web Coding)任务中,Kimi模型展现了断层式的领先。这背后,是中国互联网公司深厚的工程化积淀在AI领域的爆发。
。在需要多步逻辑推导的科学与数学问题上,海内外顶尖模型的分数差距已经很小。报告认为,这得益于像
。这是最现实的利好。实现相似性能,中国头部模型的API调用价格,普遍只有海外模型的1/3甚至更低。例如,获得高分的Kimi、DeepSeek等,每百万次调用的费用仅在10元人民币以下,而同等能力的海外模型价格则在30-45元。
“用更低的价格,获得90%的体验”,这将是中国AI产品走向市场最犀利的武器。
成绩单也无情地暴露了我们的“偏科”问题。在两项关乎AI是否“靠谱”、“好用”的关键能力上,中国模型集体落后:
:这是差距最大的单项。当用户给出包含多个条件、复杂格式的指令时(例如“用特定格式列出某地十大景点,并排除博物馆”),模型经常丢三落四。在这项任务上,海外最佳模型得分51.1,而国内最佳模型只有37.53,平均分落后近7分。
:即在文本创作、总结中“无中生有”或歪曲事实的程度。虽然国产头部模型如GLM-4.7已能跻身全球前三,表现亮眼,但
。报告发现,任务越开放、越需要创造性,所有模型都越容易“编故事”,而这正是当前AI落地需要攻克的核心风险点。
。在开源模型的榜单上,前五名全是国产模型,海外开源模型被远远甩开。以Kimi、DeepSeek、GLM为代表的中国开源力量,正在全球开发者中构建强大的生态影响力。这意味着,
。当通用能力“卷”到一定程度后,胜负手转向了垂直行业。报告附录中提到的工业、汽车等领域测评显示,
。例如,在汽车知识问答中,汽车之家“仓颉”模型凭借独有的价格、评测等数据大幅领先。未来的AI,不仅是“万事通”,更要成为“行业专家”。
:如果你需要处理数学、编程或中文创意,国产头部AI已是非常优秀的选择,且成本更低。但若进行严谨的文书处理或复杂指令编排,海外顶级模型目前仍略稳一筹。
:无论用哪个AI,对其输出的关键事实、数据,务必保持核查习惯。它们很聪明,但远非全知全能。
:评测中得分最低、但潜力最大的是“智能体”任务,即AI能否像管家一样,自主规划步骤去完成一个复杂目标。这项能力的成熟,将真正让AI从“聊天对象”变为“生产力工具”。
2025年的这份AI“全球统考”成绩单,描绘了一幅充满希望的竞争图景:中国AI不再仰望,而是并肩。我们在关键的技术硬实力上证明了能行,但也必须清醒地看到,在让AI变得更可靠、更严谨、更“善解人意”的软实力上,道阻且长。
下一次的超越,或许不再是谁的数学题算得更快,而是谁的AI更能踏实、精准、可靠地服务于每一个具体的行业和普通人。
欢迎在评论区分享你的看法,这场关乎我们每个人未来的智能竞赛,值得更多讨论。
2月21日,农历正月初五,河南省委书记刘宁、省长王凯在郑州与河南省民营企业家代表餐叙交流。
近日,云南昆明一位老人到银行取走12万现金后,又预约再取24万。起初,老人坚称,自己大额取现是自己用,民警持续追问,老人又改口称是给儿子付彩礼,自己没有被骗。
山东男子自驾1500公里去重庆,硬开10小时到襄阳后,果断弃车换高铁:“实在是开不动了”
2月20日,湖北襄阳,山东网友自驾1500公里去重庆,硬开10小时到襄阳后,果断弃车换高铁。当事人臧先生告诉记者,“实在是开不动了,一早就把车停襄阳去坐高铁了。”
河北唐山“钓帝”黑大爷因病去世,享年75岁,家属:告别仪式已举办完毕;此前因户外垂钓多年皮肤被晒成“老抽色”在网络上走红
近日,河北唐山“钓帝”黑大爷因病去世,享年75岁。2月21日,“钓帝”黑大爷的儿子告诉记者:告别仪式已举办完毕。
湖北一舅舅给6个外甥发压岁钱,每人500元,全是1元纸币!孩子们抱着钞票开心尖叫;网友:500元发出5万感觉
近日,湖北一位舅舅把给孩子们的压岁钱,全换成了1元人民币纸币。视频里,这位舅舅的“排面”简直拉满:桌上摞着几十捆钞票,厚度惊人,视觉冲击力直接翻倍。
据新华社22日消息,记者从五台山风景名胜区管委会了解到,2月21日下午,山西忻州五台山景区发生火情,起火地点位于台怀镇杨柏峪村,距五台山核心区约2公里。21日17时左右,明火已经被扑灭,未造成人员伤亡,起火原因还在调查中。
人民日报认证❗️每天4分钟❗️ 骨盆回正堪比正骨。试了这个每天只花4分钟的动作,2周就把体态救回来了!分享4个动作!每个撑60s即可✅掰正骨盆前倾✅暴瘦凸出小腹✅纠正假胯宽✅顺带睡个好觉!每天睡前花4分钟练完,坚持1-2周,就能看到变化!#骨盆前倾 #瘦小腹 #假胯宽 #居家高效运动 #人民日报推荐 #居家瑜伽 #体态调整 #睡前瑜伽
应急管理部网站截图 国务院安委办近日印发关于江苏连云港东海县福禄寿烟花爆竹经营部较大事故和湖北襄阳宜城市千和百货店(烟花爆竹零售店)重大事故的通报,深刻剖析事故暴露的突出问题,对烟花爆竹全链条特别是经营燃放环节安全监管工作作出部署,要求各地深刻吸取事故教训,立即开展排查整治,坚决
刚到北京,他没先见中方官员,反而先去参加了旅华韩侨的座谈会,当场就放了软话,说韩中关系全面恢复是本届政府最重大的外交成就,要尽最大努力加强双方沟通合作。
港珠澳大桥,是在“一国两制”框架下,粤港澳三地首次合作共建的超大型跨海综合交通工程。自2009年动工,至2018年通车,建设者们攻克了沉管隧道、人工岛等一系列世界级难题,以120年设计寿命、抵御8级地震与16级台风的雄姿,向世界展现了中国工程的磅礴力量。