FlagEval 天秤大模型评测平台全面升级，百度文心大模型 4.0 排名第一
近日，由北京智源研究院打造的天秤大模型评测平台实现了全面升级，并公布期模型评测排行榜单。最新一期榜单显示，百度文心大模型4.0以89.72的综合评分在闭源对话模型中排名第一。
大语言模型评测能力榜单官网截图
天秤大模型评测平台是智源研究院推出的科学、权威、公正、开放的大模型评测体系，自2023年发布以来，已从主要面向语言模型扩展到视频、语音、多模态模型，实现多领域全覆盖，目前已评测国内外300余个开源和商业闭源的语言及多模态大模型。资料显示，大语言模型评测体系当前包含6大评测任务，近30个评测数据集，超10万道评测题目。
大语言模型评测能力榜单官网截图
从榜单中可以看到，百度文心大模型4.0以89.72的综合评分在闭源对话模型中排名第一，云雀2-Pro、豆包、GPT-4o分别位居二三四位，百川、零一万物、kimi等追随其后。
日前，国际数据公司IDC发布的《中国大模型市场主流产品评估，2024》中，百度同样位于第一梯队。评测显示，百度旗下生成式AI产品文心一言和文心一格在问答理解类、推理类、创作表达类、数学类、代码类的基础能力，toC通用场景类、toB特定行业类的应用能力等7大维度均具备领先优势。其他评测厂商中，阿里获6项优势维度， GPT-4和商汤分获5项。
IDC《中国大模型市场主流产品评估，2024》
公开资料显示，2023年10月，百度文心大模型4.0正式发布，实现了基础模型的全面升级，在理解、生成、逻辑和记忆能力上明显提升。截至目前，文心一言累计用户规模已达2亿，日均调用量也达到了2亿。（李妍）
