測評排名 · 國產大模型榜單速覽

SuperCLUE（月度）：中文通用大模型綜合測評，現僅收錄國內模型，總分由數學推理、幻覺控制、科學推理、精確指令遵循、智慧體程式設計、智慧體任務規劃六個維度構成，閉卷私有題庫。
OpenCompass 司南（Compass）（Shanghai AI Laboratory）：CompassRank 綜合榜 + CompassArena 真人對戰榜，開源可重現評測框架，2025 年發布司南 2.0。
國際基準：AIME（數學競賽）、GPQA-Diamond（科學問答）、SWE-bench Verified（真實軟體工程）等，用於中外橫向對比。

讀榜提示：各榜單更新頻繁、口徑不一，本頁給出的是梯隊格局與公開分數快照；正式選型請以榜單官網當期報告 + 自有業務集實測為準。

國產競爭梯隊

綜合公開榜單與官方技術報告的格局判斷（2026-10）

T1第一梯隊

DeepSeek V4.1-Flash / V4-ProKimi K3.1 ProGLM-5.3Qwen3.7-Max豆包 Seed 2.1 Pro

2025 年中以來，DeepSeek-R1/V3 系、GLM-4.5、Qwen3、Kimi-K2 長期占據 SuperCLUE 國產榜前列；2026 年 V4 / K3 / GLM-5 / Qwen3.7 接棒，梯隊格局延續。

T2第二梯隊

MiniMax M3 系騰訊（Tencent）混元（Hunyuan）Hy4 / Hy3ERNIESpark X1Step-3LongCat-Flash

在特定維度（長上下文、中文語音、多模態、成本）具備與 T1 掰手腕的單項能力。

T3特色梯隊

MiniCPM 4.0InternLM3SenseNova V6Tiangong T1Ling-1T

端側、學術、搜尋增強等差異化路線。

官方技術報告口徑，2025–2026 公開資料，供橫向感知

基準	考察	國產代表成績	海外參照
AIME 2025	數學競賽	DeepSeek-R1-0528 ≈87.5；GLM-4.5 官方口徑 98.6（含工具）；Kimi K2 ≈87.1	o3 high ≈96.7
GPQA-Diamond	科學問答	GLM-4.5 79.1；DeepSeek-R1 71.5；Kimi-K2 75.7	Grok-4 87.5 / o3 83.3
SWE-bench Verified	真實軟體工程	Kimi-K2 65.8；GLM-4.5 64.2；DeepSeek V4 GA 80.6（2026-07 官方口徑）	Claude 系約 80 領先
Terminal-Bench 4.0	智慧體終端任務	DeepSeek-V4.1-Flash-1017 發布時同步刷新（2026-10-17）	—

分數為各廠商技術報告或公開報導口徑，測試條件（如是否允許工具呼叫）不同，不可直接橫向比較；海外模型分數僅作參照。

同源目錄價 + 公開基準，口徑全部標註

陣營	模型	輸入 ($/M)	輸出 ($/M)	輸出價（以 Sonnet 5.5 = 1）
國產	DeepSeek-V4.1-Flash	0.1158	0.4633	0.06×
國產	豆包 Seed 2.1 Pro	0.3861	1.9305	0.25×
國產	GLM-5.3	1.0811	3.3977	0.44×
國產	Qwen3.7-Max	1.2741	3.8232	0.50×
國產	Kimi K3.1 Pro	1.5444	7.7220	1.00×
海外	Gemini 4 Argon	1.5444	7.7220	1.00×
海外	GPT-6.1 Sol	1.5444	7.7220	1.00×
海外	Claude Sonnet 5.5	1.5444	7.7220	1.00×（基準）
海外	Claude Opus 4.7	3.8610	19.3050	2.50×
海外	Claude Fable 5.1	7.7220	38.6100	5.00×

同一目錄、同一時點快照（2026-10，官方原價），口徑一致可直接比。國產旗艦輸出價約為海外同級旗艦的 1/2 至 1/16，DeepSeek 高性價比檔差距更大。

基準	國產最佳（公開口徑）	海外參照	態勢
AIME 2025 數學	GLM-4.5 98.6（含工具）；DeepSeek-R1-0528 87.5	o3 high 96.7	已達同級
SWE-bench Verified 編碼	DeepSeek V4 GA 80.6（2026-07 官方口徑）	Claude 系 ≈80	基本持平
GPQA-Diamond 科學	GLM-4.5 79.1；Kimi-K2 75.7	Grok-4 87.5；o3 83.3	落後約 8 分
綜合榜位次	國產第一梯隊居前列	Claude Opus 5.5 / Gemini 4 Argon / Claude Fable 5.1 居前三（2026-10 聚合站口徑）	海外仍居榜首

編碼與數學：已抹平代差。2025 年中國旗艦還落後海外一代，2026 年 DeepSeek V4 官方口徑 SWE-bench 80.6、公開報導「逼近 Opus 4.8」，數學基準與 o3 同檔。
價格：最確定的比較優勢。同源目錄下國產輸出價約為海外同級 1/2–1/16；有第三方評測稱 V4 定價約為 Fable 5 的 1/57（2026-07 口徑）。
仍有差距：科學推理（GPQA）落後約 8 分；綜合榜前三仍為海外模型；工具鏈生態、多語種與企業服務海外仍是預設選項。
選型結論：中文場景、成本敏感業務，國產旗艦是預設首選；追求極限能力與全球合規，海外旗艦仍占先。

基準分數為各廠商技術報告與公開報導口徑，測試條件不同不可直接橫比；海外分數僅作參照。價格隨時可能調整，以各官方頁面為準。

權重可公開下載的國產模型格局

開源 T1全面領先

DeepSeek V4 系列（MIT）Kimi K3（2.8T）Qwen3 開源系GLM 開源線

發布即登頂 HuggingFace Trending 的常客；Qwen 系衍生模型數與下載量全球領先（2025 官方口徑：衍生模型 10 萬+）。

開源 T2各擅勝場

混元 Hy4 PreviewLongCat-FlashLing-1TStep-3ERNIE 4.5InternLM3

網路大廠與學術系密集開源，涵蓋 MoE、多模態、輕量端側多種規格。

HuggingFace 官方 Open LLM Leaderboard 已於 2025 年停止更新，目前開源熱度可參考 Trending、下載量與 LMArena。