SuperCLUE2025年年度测评智能体（任务规划）总分对比
2026-02-04 14:57:38
52
相关数据
行业数据1
SuperCLUE测评基准2025年年度总体表现（数据截至2026年2月27日）
2026-03-16 08:15:43
52
原图定位
行业数据1
SuperCLUE2025年年度基准测评Qwen3-Max-Thinking六大任务得
2026-02-04 14:57:38
51
原图定位
行业数据1
SuperCLUE2025年年度测评科学推理总分对比
2026-02-04 14:57:38
57
原图定位
行业数据1
SuperCLUE2025年年度通用测评性价比区间分布
2026-02-04 14:57:38
66
原图定位
行业数据1
SuperCLUE2025年年度通用测评推理模型推理效能区间分布（含补测）
2026-02-04 14:57:38
47
原图定位
行业数据1
SuperCLUE2025年年度测评精确指令遵循总分对比
2026-02-04 14:57:38
51
原图定位
行业数据1
SuperCLUE2025年年度测评幻觉控制总分对比
2026-02-04 14:57:38
38
原图定位
行业数据1
SuperCLUE2025年年度测评六大任务国内Top3
2026-02-04 14:57:38
46
原图定位
行业数据1
SuperCLUE2025年年度测评开闭源大模型6大任务平均分对比
2026-02-04 14:57:38
46
原图定位
行业数据1
2025年全年SuperCLUE通用基准测评海内外大模型Top3
2026-02-04 14:57:38
55
原图定位
行业数据1
SuperCLUE2025年年度测评海内外大模型6大任务平均分对比
2026-02-04 14:57:38
48
原图定位
行业数据1
SuperCLUE2025年年度测评数学推理总分对比
2026-02-04 14:57:38
57
原图定位
行业数据1
SuperCLUE2025年年度测评六大任务国内外Top20热力图
2026-02-04 14:57:38
57
原图定位
行业数据1
SuperCLUE2025年年度基准测评Kimi-K2.5-Thinking六大任务得分
2026-02-04 14:57:38
54
原图定位
行业数据1
国资委79号文件央国企信创替代方案
2024-10-10 08:15:13
21663
原图定位
最新数据
行业数据1
图1：发展中成员国税务管理系统改进机会与挑战
2026-04-22 08:30:00
10
原图定位
行业数据1
表A3.1. 国家系统要素及使用程度的决策指标汇总
2026-04-22 08:30:00
8
原图定位
行业数据1
图A2.1 用于定位国家系统使用的分析框架
2026-04-22 08:30:00
6
原图定位
行业数据1
表A1.1 本研究覆盖的34个发展中成员国分类
2026-04-22 08:30:00
8
原图定位
行业数据1
表17.关于治理和财政政策方面的特定国家的关键实践
2026-04-22 08:30:00
7
原图定位
行业数据1
图12.亚行和发展中成员国考虑的行动框架
2026-04-22 08:30:00
8
原图定位
介绍：主要考察模型在复杂任务场景中制定结构化行动方案的能力，包括且不限于生活服务、工作协作、学习成长、健康医疗等。要求模型基于给定目标和约束条件， 生成逻辑连贯、步骤清晰、可执行的行动计划。 评价方式：利用裁判模型根据行动方案对预设检查点的完成情况进行离散判定（0/1），或对方案整体质量进行连续评分（0-100）。 1.海外头部模型优势显著。 海外头部模型GPT-5.2(high)以81.39 分领跑榜单，Claude-Opus-4.5- Reasoning以74.87分紧随其后。国 内Qwen3-Max-Thinking （70.13分） 和Kimi-K2.5-Thinking（68.06分） 分居第三和第四，海内外头部模型 的差距超过10分，国产模型在任务 规划领域还有一定的进步空间。 2.行业整体水平跨度巨大，长 尾效应明显。 面的发展极不平衡，整体水平跨度 巨大，两极分化比较严重，最高分 和最低分相差了4倍之多。此外， 的，达到了13.78，说明该任务对于 当前大模型依然是极具挑战性的, 是区分大模型能力的关键。
行业数据
原图定位
相关数据
最新数据
原图定位
