智源評測出爐：豆包大語言模型排名第一，多模态能力獲得三項第二

今天小編分享的科技經驗：智源評測出爐：豆包大語言模型排名第一，多模态能力獲得三項第二，歡迎閱讀。

12 月 19 日，智源研究院發布最新一期大模型綜合及專項評測結果。在覆蓋國内外 100 餘個開源和商業閉源大模型的評測中，豆包通用模型 pro 獲得大語言模型主觀評測最高分；在多模态模型評測中，豆包視覺理解模型排名視覺語言模型第二，成績僅次于 GPT-4o；豆包文生圖模型、豆包視頻生成模型（即夢 P2.0 pro）也分别在相應測試中獲得全球第二。

據智源研究院介紹，大模型評測平台 FlagEval 聯合了全國 10 餘家高校和機構合作共建。此次公布的榜單中，大語言模型主觀評測重點考察的是模型的中文能力，多模态模型評測榜單中，視覺語言模型主要考察的是模型在圖文理解、長尾視覺知識、文字識别以及復雜圖文數據分析能力。FlagEval 大模型角鬥場則是向用戶開放的模型對戰評測服務，反映了用戶對模型的偏好。

在大語言模型主觀評測中，豆包通用模型 pro 的知識運用和推理能力均獲得最高分，簡單理解、數學能力、安全等項目也排名前三，最終綜合成績排名第一。在 FlagEval 大模型角鬥場榜單中，基于模型對戰的用戶投票結果，豆包通用模型 pro 得分排名第二，僅次于 OpenAI 的 o1-mini。

在多模态模型評測榜單中，GPT-4o 在視覺語言模型中排名第一，豆包視覺理解模型獲第二。在中文的通用知識、文字識别中，豆包表現突出，相比國外模型有較大優勢。在文生圖測試中，混元和豆包排名前兩位；在文生視頻測試中，國產模型更是優勢顯著，可靈 1.5 高品質版、即夢 P2.0 pro、愛詩科技 PixVerse v3 和海螺 AI 排名前列。

據悉，豆包視覺理解模型在不久前的火山引擎 Force 大會上首次發布，現已對企業客戶開放使用。火山引擎方面表示，豆包大模型通過算法、工程、軟硬體結合的技術創新，大幅優化使用成本，讓每一家企業都能用得起，推動 AI 技術普惠和應用發展。