大模型评测【行业应用篇】教育行业｜「小学学科考试」大模型应用实测

评测结果，如图所示：

公众号：大模型评测EasyLLM

【评测结论】：阿里系qwq-plus-2025-3-5（new）得分第一，豆包第二，qwq-32bn（ew）第3，腾讯系、百度系占据第4和第5名，其中qwq-32bn（ew）是前五中唯一的开源模型。

各科目完整评测题集及结果详见：https://github.com/jeinlee1991/chinese-llm-benchmark

【模型数量】：110个大模型（国内外，开源、闭源的大模型）

【评测维度】：「小学学科-试题答题」类目的5个学科的择题题集评测

1. 小学英语

2. 小学数学

3. 初中语文

4. 小学道德与法治

5. 小学科学

【错题集】：请前往以下链接查阅👇

各科目完整评测题集及结果详见：https://github.com/jeinlee1991/chinese-llm-benchmark

大模型评测EasyLLM，目前已就DeepSeek和各个大模型的不同能力维度进行了综合评测（详情可回顾以下链接👇），接下来还会针对大模型当律师、医生、老师等各个岗位角色进行测评，看看谁是各个垂直领域的最强打工人！宝子们看好哪个大模型可以在哪些岗位胜任最强牛马？或者想评测大模型的哪方面能力？评论区留言，有求必测，一一公布结果！有评测样本、有图有真相！

  往期文章  

医疗行业｜110个大模型，12个分类、18科目应用实测！

Llama/Qwen/DeepSeek开源之争——CLiB开源大模型排行榜03.04

那些免费的大模型API效果到底好不好？——CLiB大模型排行榜

参数量5B以下端侧大模型03.13——CLiB大模型排行榜

DeepSeek｜到底强在哪？这个评测一目了然！

---

  关于大模型评测EasyLLM  

1. 最全——全球最全大模型产品评测平台，已囊括203个大模型

2. 最新——月更各个大模型各项能力指标评测，输出排行榜

3. 最方便——无需注册/梯子，国内外各个大模型可一键评测

4. 结果可见——所有大模型评测的方法、题集、过程、得分结果，可见可追溯！

5. 错题本——百万级大模型错题本

大模型评测EasyLLM目前已囊括187个大模型，覆盖chatgpt、gpt-4o、o3-mini、谷歌gemini、Claude3.5、智谱GLM-Zero、文心一言、qwen-max、百川、讯飞星火、商汤senseChat、minimax等商用模型， 以及DeepSeek-R1、deepseek-v3、qwen2.5、llama3.3、phi-4、glm4、书生internLM2.5等开源大模型。不仅提供能力评分排行榜，也提供所有模型的原始输出结果！

完整评测题集及结果详见：https://github.com/jeinlee1991/chinese-llm-benchmark

---

公众号：大模型评测EasyLLM