“年轻人应不应该相信玄学”？“孙悟空和功夫熊猫哪个更适合成为队友”？2024年12月19日，在智源研究院（下称“智源”）的秋冬评测发布会上，上演了一场大模型与大模型的辩论赛。参与辩论赛的大模型不仅会引经据典，甚至会像人类辩手一样依据对手上一轮的辩词来反击对方。

模型 评测 flageval 2024-12-22 12:09  5

相较于今年 5 月的模型能力全方位评估，本次智源评测扩展、丰富、细化了任务解决能力内涵，新增了数据处理、高级编程和工具调用的相关能力与任务；首次增加了面向真实金融量化交易场景的应用能力评估，测量大模型的收益优化和性能优化等能力；首次探索基于模型辩论的对比评估方

模型 评测 flageval 2024-12-20 15:12  5

2024年快要结束了，世界大模型究竟孰强孰弱？刚刚，智源研究院发布了下半年大模型综合评测结果，涵盖了开源闭源100+模型，横跨文本、语音、图像和视频等多个领域。

评测 flageval flageval评测 2024-12-20 14:45  5

2024年快要结束了，世界大模型究竟孰强孰弱？刚刚，智源研究院发布了下半年大模型综合评测结果，涵盖了开源闭源100+模型，横跨文本、语音、图像和视频等多个领域。

模型 评测 flageval 2024-12-20 14:00  5

12月19日，智源研究院发布并解读国内外100余个开源和商业闭源的语言、视觉语言、文生图、文生视频、语音语言大模型综合及专项评测结果。本次评测依托智源研究院自2023年6月上线的大模型评测平台FlagEval，经过数次迭代，目前已覆盖全球800多个开闭源模型，

评测 魏蔚 flageval 2024-12-19 23:00  5

相较于今年5月的模型能力全方位评估，本次智源评测扩展、丰富、细化了任务解决能力内涵，新增了数据处理、高级编程和工具调用的相关能力与任务；首次增加了面向真实金融量化交易场景的应用能力评估，测量大模型的收益优化和性能优化等能力；首次探索基于模型辩论的对比评估方式，

模型 评测 flageval 2024-12-19 19:53  4

2024年下半年大模型发展更聚焦综合能力提升与实际应用。多模态模型发展迅速，涌现了不少新的厂商与新模型，语言模型发展相对放缓。模型开源生态中，除了持续坚定开源的海内外机构，还出现了新的开源贡献者。语言模型主观评测重点考察模型中文能力，结果显示字节跳动Douba

模型 评测 flageval 2024-12-19 17:49  5

相较于今年5月的模型能力全方位评估，本次智源评测扩展、丰富、细化了任务解决能力内涵，新增了数据处理、高级编程和工具调用的相关能力与任务；首次增加了面向真实金融量化交易场景的应用能力评估，测量大模型的收益优化和性能优化等能力；首次探索基于模型辩论的对比评估方式，

模型 评测 flageval 2024-12-19 17:25  4