智源发布FlagEval「百模」评测结果，丈量模型生态变局

智源研究院发布2025年下半年大模型评测结果，评估涵盖100余个开源及闭源模型。此次评测在5月份评估基础上，扩展了任务类型，新增数据处理、高级编程、工具调用及金融量化交易场景评估等；并首次采用模型辩论方式进行对比评估。

评测结果显示，下半年大模型发展更注重综合能力提升及实际应用。多模态模型发展迅速，而语言模型发展相对放缓。开源生态中，除原有贡献者外，也涌现出新的参与者。

综合榜单：多模态模型表现抢眼

评测涵盖文本、语音、图像、视频理解与生成等多种模态。语言模型方面，虽然在一般中文场景下能力趋于饱和，但在复杂场景中，国内头部模型与国际一流水平仍存在差距。 字节跳动Doubao-pro-32k-preview和百度ERNIE 4.0 Turbo在主观评测中表现领先；OpenAI o1-mini-2025-09-12和Google Gemini-1.5-pro-latest在客观评测中位居前列。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

视觉语言多模态模型方面，优秀开源模型在图文理解任务上正逐渐缩小与闭源模型的差距，但长尾视觉知识、文字识别和复杂图文数据分析能力仍有提升空间。OpenAI GPT-4o-2025-11-20和字节跳动Doubao-Pro-Vision-32k-241028表现突出。

文生图模型方面，头部模型已具备中文文字生成能力，但复杂场景下人物变形问题仍存在。腾讯Hunyuan Image排名第一。

文生视频模型方面，画质和动态效果提升显著，但动作变形、物理规律理解不足等问题依然存在。快手可灵1.5（高品质）表现领先。

语音语言模型方面，受益于文本大模型的进步，能力大幅提升，但与专业模型仍存在差距。阿里巴巴Qwen2-Audio表现最佳。

专项评测：K12学科测试及模型辩论

Tunee AI

新一代AI音乐智能体

1104 查看详情

K12学科测试显示，模型综合得分较半年前提升12.86%，但在部分学科上仍与人类学生存在差距。部分模型在英语和历史科目中表现优于人类平均水平。

模型辩论平台FlagEval Debate的评测结果显示，Anthropic Claude-3-5-sonnet-20251022、零一万物Yi-Lighting、OpenAI o1-preview-2025-09-12在逻辑推理、观点理解和语言表达方面表现出色。

金融量化交易评测显示，深度求索Deepseek-chat、OpenAI GPT-4o-2025-08-06、Google Gemini-1.5-pro-latest在生成量化交易策略代码方面表现领先。

FlagEval评测平台持续迭代

FlagEval平台已覆盖全球800多个开闭源模型，包含20多种任务和90多个数据集。本次评测更新了98%的题目，并提升了难度，以应对数据集泄露和饱和度问题。

智源研究院将继续致力于打造科学、权威、公正、开放的大模型评测体系，为大模型技术生态发展提供持续的洞察。 2025年，FlagEval将进一步探索动态评测和多任务能力评估体系。

以上就是智源发布FlagEval「百模」评测结果，丈量模型生态变局的详细内容，更多请关注其它相关文章！

# 多家  # 榆社网站建设企业  # 长春的网站建设情况  # 服务关键词排名项目  # 南沙网站推广设计  # 网站短视频推广公司排名  # url如何优化网站  # 优酷营销推广员招聘信息  # 长沙天眼seo优化技巧  # seo关键词排名工  # 美国内衣推广网站有哪些  # 文档  # 下半年  # 内测  # 生命科学  # 多模  # 产业  # 但在  # 智源  # 多个  # 开源  # deepseek  # 2025  # 2025年  # gemini  # claude  # 百度  # ai  # 快手  # flageval  # 智源研究院 

相关栏目： 【 行业新闻62819 】 【 科技资讯67470 】

相关推荐： 【趋势周报】全球人工智能产业发展趋势：OpenAI向美国专利局提交“GPT-5”商标申请  人工智能加速走进百姓生活：从2025全球人工智能技术大会看行业新趋势  以计算机视觉技术为基础的库存管理如何改革零售行业  B站内测 AI 搜索功能，输入“？”即可体验  优化系统韧性：故障恢复与监控在RabbitMQ中的应用  AI技术加速迭代：周鸿祎视角下的大模型战略  联想创投携手12家被投企业MWC展示元宇宙、机器人等技术  QQ音乐业内率先推出「AI一起听」功能，领取你的AI听歌助手  学生作文评分的新趋势：教师与AI的合作模式  央视报道车载人机交互技术！MWC上海魅族表现亮眼，现场热火朝天  AI 程序 Text With Jesus 在海外迅速受到关注：与耶稣和撒旦进行对话  陈丹琦ACL学术报告来了！详解大模型「*」数据库7大方向3大挑战，3小时干货满满  一文读懂自动驾驶的激光雷达与视觉融合感知  研究表明 GPT-4 模型具备自我纠错能力，有望推动 AI 代码进一步商业化  长宁这家企业在世界人工智能大会上荣获“蓝鼎奖”  郭帆：AI发展日新月异，或是弯道超车好莱坞的最好机会  联想举办2025创新开放日，展出260余项算力及AI产品技术  DragGAN开源三天Star量23k，这又来一个DragDiffusion  生活垃圾智能分类机器人社区展“才能”，征求居民意见  眼球反射解锁3D世界，黑镜成真！马里兰华人新作炸翻科幻迷  Meta Connect 2025已确定时间为9月27-28，主题涵盖Quest 3与AI技术  马斯克嘲讽人工智能：机器学习本质就是统计学  全国青少年无人机大赛重庆市选拔赛开赛 1252名中小学生参加  AI 冥想应用 Ogimi.ai 推出，可为用户提供教练级个性化指导  直击上影节 | 光线传媒董事长王长田谈新技术：未来VR放映效果可能媲美影院  联想浏览器引入小乐 AI 助手，成功接入百度文心一言大模型，经过实测证实  从医疗康复外骨骼到通用人形机器人，傅利叶智能推动核心技术升级  测试框架-安全和自动驾驶  李开复官宣新公司「零一万物」，进军 AI 2.0  朱民：普通人炒股炒不过机器人是很正常的 AI已经能理解市场情绪  Meta 发布 Voicebox AI 模型：可生成音频信息，用于 NPC 对话等  通用医疗人工智能如何革新医疗行业？  陈根：AI工具为游戏软件实时3D内容助力  小米创始人雷军将揭示小米AI在年度演讲中的最新进展  挤爆服务器，北大法律大模型ChatLaw火了：直接告诉你张三怎么判  谷歌推出RT-2视觉语言动作模型，使机器人能够掌握垃圾丢弃技能  GPT-4使用混合大模型？研究证明MoE+指令调优确实让大模型性能超群  阿里达摩院向公众免费开放100项AI专利许可  华为云发布华为云盘古模型3.0和升腾AI云服务，亮点亮相2025华为开发者大会  第二届光合组织AI解决方案大赛赛果揭晓  周鸿祎参加中美青年科技创新峰会，分享人工智能创新机遇  OpenAI 静默关闭 AI 文本检测工具，准确率仅为 26%  海柔创新携手SAP，以机器人技术助力全球客户升级数智化竞争力  “苏南 vs 苏北” AI 分胜负，娱乐性比较工具 EitherChoice 上线  阿里达摩院发布免费开放100项AI专利许可的动机是什么？  金山办公宣布与英伟达团队合作，加速WPS AI服务  全媒封面丨⑤商汤科技：原创AI算法“发电厂”  利用AI探索抗体“钥匙”、加速药物研发——访百图生科团队  利用AI技术更好地发展农村电商  ​《流浪地球2》里机器人公司的创始人：未来10年，机器人的崛起！