智源最新评测结果发布：豆包大模型“主观评测”排名第一 多榜单位居国内第一

12月19日，主观评测智源研究院发布国内外100余个，智源最新开源和商业闭源的评测大模型综合及专项评测结果。“大语言模型评测能力榜单”中，结果居国豆包通用模型pro（Doubao-pro-32k-preview），发布在主观评测中排名第一。豆包大模多榜单位

智源研究院 FlagEval 大语言模型评测能力榜单-主观评测

“多模态模型评测榜单”中，型排豆包·视觉理解模型（Doubao-Pro-Vision-32k-241028）。名第在视觉语言模型中排名第二，内第仅次于GPT-4o，主观评测是智源最新得分最高的国产大模型。

智源研究院 FlagEval 多模态模型评测榜单-视觉语言模型

“FlagEval大模型角斗场榜单”中，评测豆包通用模型pro（Doubao-pro-32k-240828)。结果居国

在大语言模型榜单中位居第一梯队，发布评分排名第二，豆包大模多榜单位仅次于OpenAI的o1-mini，是得分最高的国产大模型。

智源研究院 FlagEval 大模型角斗场榜单-大语言模型榜单

据智源研究院介绍，大模型评测平台FlagEval目前已覆盖全球800多个开闭源模型，在评测方法与工具上联合了全国10余家高校和机构合作共建。此次公布的榜单中，大语言模型主观评测重点考察的是模型的中文能力，多模态模型评测榜单视觉语言模型主要考察的是模型在图文理解、长尾视觉知识、文字识别以及复杂图文数据分析能力；FlagEval大模型角斗场则是向用户开放的模型对战评测服务，反映了用户对模型的偏好。

大使用量才能打磨出更好的模型。刚刚结束的2024火山引擎冬季FORCE原动力大会公布了豆包大模型最新进展——豆包大模型12月日均tokens使用量超过4万亿，较5月发布时期增长超过33倍，在不同应用场景中调用量快速增长。

使用量和应用场景的提升，也让豆包大模型迎来了全新的升级。其中在“大语言模型评测能力榜单”的主观评测中排名第一的豆包通用模型pro完成新版本迭代，综合处理能力较5月发布时提升了32%，在推理上提升13%，在指令遵循上提升9%，在代码上提升58%，在数学上提升43%，在专业知识领域能力提升54%。

在“多模态模型评测榜单”的视觉语言模型中，得分国内最高的豆包·视觉理解模型也在FORCE原动力大会上正式对外发布。豆包·视觉理解模型可以理解用户所输入的文本和图片相关的信息，并给出准确的回答。通过更强的内容识别能力、更强的理解和推理能力、更细腻的视觉描述能力，豆包·视觉理解模型极大地拓宽了大模型场景边界，基于对真实世界的信息处理，可以更好的辅助人类完成复杂的任务。

豆包·视觉理解模型在教育、旅游、电商等场景有着非常广泛的应用。为了更好地帮助企业开拓大模型的创新应用场景，豆包·视觉理解模型的价格为每千tokens 0.003元，比行业平均价格降低85%，相当于一块钱可以处理284张720P图片，让企业和开发者用好视觉理解模型，找到更多创新场景。

从能力升级到模态丰富，火山引擎将持续拓展豆包大模型的能力边界及应用场景，加速推动AI大模型应用的普及与落地，为更多企业智能化升级提供有力支撑。

最新评论