国内百模谁第一？清华14大LLM最新评测报告出炉，GLM-4、文心4.0站在第一梯队

大模型混战究竟谁才是实力选手？清华对国内外14个LLM做了最全面的综合能力测评，其中GPT-4、Cluade 3是当之无愧的王牌，而在国内GLM-4、文心4.0已然闯入了第一梯队。

在2023年的「百模大战」中，众多实践者推出了各类模型，这些模型有的是原创的，有的是针对开源模型进行微调的；有些是通用的，有些则是行业特定的。如何能合理地评价这些模型的能力，成为关键问题。

尽管国内外存在多个模型能力评测榜单，但它们的质量参差不齐，排名差异显著，这主要是因为评测数据和测试方法尚不成熟和科学。我们认为，好的评测方法应当具备开放性、动态性、科学性和权威性。

为提供客观、科学的评测标准，清华大学基础模型研究中心联合中关村实验室研制了SuperBench大模型综合能力评测框架，旨在推动大模型技术、应用和生态的健康发展。

最近，2024年3月版《SuperBench大模型综合能力评测报告》正式发布。

评测共包含了14个海内外具有代表性的模型。其中，对于闭源模型，选取API和网页两种调用模式中得分较高的一种进行评测。

根据评测结果，可以得出以下几个主要结论：

● 整体来说，GPT-4系列模型和Claude-3等国外模型在多个能力上依然处于领先地位