https://sjtu-sai-geekcenter.github.io/Human-Skills/tags/%E5%9B%BD%E5%86%85%E5%A4%A7%E6%A8%A1%E5%9E%8B/ Recent content in 国内大模型 on Human Skills Hugo -- 0.146.0 zh-cn Mon, 23 Feb 2026 00:00:00 +0000 https://sjtu-sai-geekcenter.github.io/Human-Skills/posts/domestic_llm/ Mon, 23 Feb 2026 00:00:00 +0000 https://sjtu-sai-geekcenter.github.io/Human-Skills/posts/domestic_llm/ <h1></h1> <p><strong>测评人：闵祺寒，周岱严，杨睿凡</strong></p> <h2 id="一前言">一、前言</h2> <p>随着人工智能技术的飞速发展，大语言模型(Large Language Models, LLMs)已成为推动各生产生活领域变革的核心驱动力之一。2024年至2025年间，国内外科技巨头纷纷推出自研大模型，在文本生成、逻辑推理、代码编写、多模态理解等能力上展开激烈角逐。这些模型不仅在技术架构上持续创新，更在实际应用场景中展现出巨大的商业潜力和社会价值。</p> <p>本报告旨在对当前国内主流大语言模型进行系统性测评，通过标准化的测试方法和多维度的评估体系，客观呈现各模型的能力边界与特色优势，为企业技术选型、学术研究参考以及普通用户选用AI工具提供有价值的参考依据。</p> <h2 id="二参评模型介绍">二、参评模型介绍</h2> <p>本次测评共选取6款具有代表性的大语言模型，涵盖深度求索、百度、阿里、字节跳动、月之暗面及腾讯等国内顶尖AI研发团队的产品。</p> <h3 id="1-deepseek-v32深度求索">1. DeepSeek-V3.2(深度求索)</h3> <p>开发企业:杭州深度求索人工智能基础技术研究有限公司(DeepSeek)</p> <p><strong>主要特点</strong>:</p> <ul> <li> <p>采用混合专家架构(MoE)，总参数量达万亿级别，每次推理激活约320亿参数</p> </li> <li> <p>在数学推理、代码生成和逻辑分析方面表现突出，支持超长上下文窗口(最高256K tokens)</p> </li> <li> <p>开源策略激进，以高性价比著称，API调用成本显著低于同类闭源模型</p> </li> <li> <p>支持多模态输入，具备图像理解和文档解析能力</p> </li> </ul> <h3 id="2-文心一言百度">2. 文心一言(百度)</h3> <p>开发企业:百度(Baidu)</p> <p><strong>主要特点</strong>:</p> <ul> <li> <p>基于百度自研的ERNIE系列大模型架构，深度整合百度搜索生态和知识图谱</p> </li> <li> <p>在中文知识问答、文学创作和本土文化理解方面具有独特优势</p> </li> <li> <p>支持插件扩展和工具调用(Function Calling)，可与百度智能云及第三方服务深度集成</p> </li> <li> <p>提供多模态版本，支持文生图、语音交互等能力</p> </li> </ul> <h3 id="3-通义千问-qwen3-max-thinking阿里云">3. 通义千问 Qwen3-Max-Thinking(阿里云)</h3> <p>开发企业:阿里巴巴达摩院(Alibaba DAMO Academy)</p> <p><strong>主要特点</strong>:</p> <ul> <li> <p>Qwen3系列旗舰版本，采用Thinking模式增强深度推理能力</p> </li> <li> <p>支持长达百万字符的上下文处理，在文档分析、长文本摘要等任务中表现优异</p> </li> <li> <p>代码能力突出，支持100+编程语言，在HumanEval等代码评测基准上达到业界领先水平</p> </li> <li> <p>开源生态完善，衍生出大量垂直领域微调模型，适应多样化行业需求</p> </li> </ul> <h3 id="4-豆包字节跳动">4. 豆包(字节跳动)</h3> <p>开发企业:字节跳动(ByteDance)</p> <p><strong>主要特点</strong>:</p> <ul> <li> <p>依托字节跳动强大的内容生态，在短视频脚本创作、社交媒体文案生成方面独具特色</p> </li> <li> <p>语音交互能力出色，支持多种方言识别和情感化语音合成</p> </li> <li> <p>与抖音、飞书等产品深度整合，提供原生的办公协作和内容创作体验</p> </li> <li> <p>模型响应速度快，在实时对话和多轮交互场景中流畅度较高</p> </li> </ul> <h3 id="5-kimi-chat月之暗面">5. Kimi Chat(月之暗面)</h3> <p>开发企业:月之暗面科技有限公司(Moonshot AI)</p> <p><strong>主要特点</strong>:</p> <ul> <li> <p>以超长上下文处理能力著称，标准支持200万字上下文窗口，领先行业水平</p> </li> <li> <p>擅长长文档分析、论文解读、法律合同审查等需要处理海量文本的场景</p> </li> <li> <p>在复杂推理和多步骤任务执行中表现稳定，具备较强的指令跟随能力</p> </li> <li> <p>专注于对话质量优化，支持联网搜索和文件上传解析</p> </li> </ul> <h3 id="6-元宝腾讯">6. 元宝(腾讯)</h3> <p>开发企业:腾讯(Tencent)</p> <p><strong>主要特点</strong>:</p> <ul> <li> <p>基于腾讯混元大模型架构，融合腾讯在社交、游戏、内容领域的深厚积累</p> </li> <li> <p>在角色扮演、创意写作和情感陪伴类应用中表现生动自然</p> </li> <li> <p>与微信、QQ、腾讯文档等国民级应用生态无缝衔接</p> </li> <li> <p>多模态能力全面，支持图像生成、视频理解及3D内容创作，在娱乐和社交场景应用广泛</p> </li> </ul> <h2 id="三测评方法">三、测评方法</h2> <h3 id="1测评维度">（1）测评维度</h3> <p>本次测评从以下5个核心维度对模型进行综合评估，每个维度满分10分:</p> <ol> <li> <p><strong>复杂需求解析力</strong>: 识别任务中隐性矛盾与多重约束，并理清其优先级的能力。</p>