国产大模型最新评测榜单出炉 多项能力指标刷新纪录

榜单围绕中文场景重新调整了题目分布，增加了长文本理解、多轮追问与结构化输出三类任务，并公开了评分口径与抽样方式。

结果显示，多个模型在长文本理解环节的得分较上一期有所提升，其中一部分提升来自于对超长上下文的稳定性优化。多轮对话部分的分差则有所收窄。

评测方同时说明，单次榜单并不能完全代表实际使用体验，建议结合自己的任务场景做小样本测试后再做选择。站内已将完整对比整理进科技数码合集。