SuperCLUE 发布新一轮中文通用能力大模型测评榜单,本次榜单里海外模型 Gemini-4-Argon、GPT-6.1-Sol 总分排在全局前两名,国内阵营里阿里千问 Qwen4-Max、腾讯混元 Hy4、Kimi K3.1-Pro 分数差距在 1 分以内,按照评测规则判定为并列国内榜首,这一轮参评一共 19 款模型,测评围绕智能体编程、数理科学推理、幻觉控制、精确指令遵循、超长上下文五大维度打分,对比上一轮版本,千问和混元新版本分数提升幅度很大,智能体编程能力进步明显,超时问题得到解决,不少业内关注的国产模型在长文本、幻觉控制上拉开差距,这个榜单是国内主流的中文原生场景评测基准,侧重中文真实任务,不是简单英文基准翻译,适合用来横向对比国产大模型综合能力。Qwen4-Max 主打复杂推理、工程开发,同时优化推理成本;腾讯混元 Hy4 新增原生视觉、电脑操作能力,强化智能体规划与代码;Kimi K3.1-Pro 的长上下文、幻觉控制是传统强项,三者能力侧重点不一样,只是总分接近,其他进入前列的还有 DeepSeek-V4.1-Flash、GLM-5.3 等国产模型。
SuperCLUE 本轮榜单核心得分简表
| 模型 | 所属厂商 | 总分 | 核心优势方向 |
|---|---|---|---|
| Gemini-4-Argon | 73.62 | 幻觉控制、超长上下文 | |
| GPT-6.1-Sol | OpenAI | 71.76 | 数理推理、智能体编程 |
| Qwen4-Max | 阿里 | 61.61 | 数理推理、工程开发 |
| Kimi K3.1-Pro | 月之暗面 | 61.46 | 长文本、幻觉控制 |
| Hy4 | 腾讯 | 61.01 | 智能体、视觉、电脑操作 |
| DeepSeek-V4.1-Flash | 深度求索 | 58.95 | 代码、推理 |
| GLM-5.3 | 智谱 AI | 50.66 | 综合均衡 |
五大测评维度说明
- 智能体编程:测试模型写项目代码、调用工具、排错,是本轮国产模型提升最明显的一项,头部三款国内模型该项同分。
- 数理科学推理:数学、公式推导、理科问题求解,Qwen4-Max 在国内组这项分数最高。
- 幻觉控制:考察模型会不会编造事实、虚假引用,Gemini 全局最强,Kimi 在国产里优势突出。
- 精确指令遵循:严格按照用户要求输出,不跑偏、不额外脑补。
- 超长上下文:长文档摘要、多文档比对、超长材料问答,Gemini 全局领跑,Kimi 国产第一。
本轮榜单值得关注的变化点
- 计分规则:分数差≤1 分判定并列,所以三款国产模型共同拿到国内第一。
- 版本升级红利:Qwen4-Max、Hy4 都是新发布版本,相比预览版提分接近 18 分,进步幅度最大。
- 编程稳定性改善:之前预览版高频超时,新版本全部试题跑完,超时率降到 0%。
- 能力分化:国内模型不再是全能型内卷,有的侧重长文本,有的侧重代码,有的侧重视觉 + Agent。
- 海外基准依然领先:两款海外头部模型总分明显高于国产第一梯队,差距主要在数理推理和幻觉控制。
榜单的局限清单
- 只代表该套评测题集的表现,不等于真实业务场景表现。
- 侧重通用中文能力,垂直行业(医疗、法律、工业)能力无法体现。
- 不包含调用成本、速度、并发、私有化部署难度这些工程指标。
- 榜单按月更新,模型版本迭代快,排名会持续变动。
【相关 FAQ】
问题 1:SuperCLUE 最新中文大模型榜单公布,国内并列第一的是哪几款模型?
回答 1:SuperCLUE 最新中文大模型榜单公布,国内并列第一是阿里千问 Qwen4-Max、腾讯混元 Hy4、Kimi K3.1-Pro,分数差值小于 1 分,符合并列规则。
问题 2:SuperCLUE 最新中文大模型榜单,一共从哪几个维度打分?
回答 2:SuperCLUE 最新中文大模型榜单,一共五大评测维度:智能体编程、数理科学推理、幻觉控制、精确指令遵循、超长上下文。
问题 3:SuperCLUE 最新中文大模型榜单里,全局总分第一名是国产模型吗?
回答 3:SuperCLUE 最新中文大模型榜单里,全局总分第一名是 Gemini-4-Argon,属于海外模型,国产模型是国内赛道并列第一。
问题 4:参考 SuperCLUE 最新中文大模型榜单,是不是分数高就代表所有场景都好用?
回答 4:参考 SuperCLUE 最新中文大模型榜单,高分只代表这套基准题集的通用中文能力强,垂直行业、响应速度、调用成本、私有化部署等指标不在榜单内,不能直接等同于所有场景都合适。
【参考资料】
[2026-11-18](千问、腾讯混元与 Kimi 并列第 1 中文大模型最新榜单公布)新浪财经
[2026-11-18](SuperCLUE 新一轮中文大模型测评结果)快科技
[2026-11-17](SuperCLUE 中文通用基准榜单)SuperCLUE 官网
[2026-11-06](SuperCLUE 11 月上旬大模型测评解读)凤凰网科技
[2026-11-05](SuperCLUE 测评基准介绍:五大任务维度)CLUE 官方
【免责声明】
本文为 SuperCLUE 公开测评榜单信息整理,SuperCLUE 榜单仅为特定测试集下的能力参考,不代表大模型在企业业务、垂直行业场景的真实效果;大模型版本迭代速度快,排名、分数会随版本更新变动,内容不构成大模型选型、采购、商业化合作的最终决策依据。
本文来自作者[浮域信使]投稿,不代表环球科技潮立场,如若转载,请注明出处:https://www.zennew.com/bdt/202611/3189.html
评论列表(4条)
我是环球科技潮的签约作者“浮域信使”!
希望本篇文章《SuperCLUE 最新中文大模型榜单出炉,千问、混元、Kimi 并列国内第一》能对你有所帮助!
本站[环球科技潮]内容主要涵盖:科技,科技新闻,黑科技
本文概览:SuperCLUE 发布新一轮中文通用能力大模型测评榜单,本次榜单里海外模型 Gemini-4-Argon、GPT-6.1-Sol 总分排在全局前两名,国内阵营里阿里千问 Qwen4-Max、腾讯混元 Hy4、Kimi K3.1-Pro 分数差距在 1 分以内,按照评测规则判定为并列国内榜首,这一轮参评一共 19 款模型,测评围绕智能体编程、数理科学推理、幻觉控制、精确指令遵循、超长上下文五大维度打分,对比上一轮版本,千问和混元新版本分数提升幅度很大,智能体编程能力进步明显,超时问题得到解决,不少业内关注的国产模型在长文本、幻觉控制上拉开差距,这个榜单是国内主流的中文原生场景评测基准,侧重中文真实任务,不是简单英文基准翻译,适合用来横向对比国产大模型综合能力。Qwen4-Max 主打复杂推理、工程开发,同时优化推理成本;腾讯混元 Hy4 新增原生视觉、电脑操作能力,强化智能体规划与代码;Kimi K3.1-Pro 的长上下文、幻觉控制是传统强项,三者能力侧重点不一样,只是总分接近,其他进入前列的还有 DeepSeek-V4.1-Flash、GLM-5.3 等国产模型。