《麻省理工科技評論》中國最新發布的大模型評測報告顯示，在8個一級大類的600道題目的測試和盲評中，訊飛星火認知大模型V2.0在6個大類中得分率排名第一，在此次評測中表現突出，以 81.5 分（百分制計）的成績在本次評測中登頂，榮獲「最聰明」的國產大模型稱號。

    《麻省理工科技評論》中國從研發和商業化能力、外界態度以及發展趨勢等維度全方位檢測大模型的能力，力圖評出「最聰明」的國產大模型。選取了「訊飛星火」、「百度文心一言」、「商湯商量」、「阿里通義千問」作為中文大模型平台的代表，展開系統、科學的評測。本次評測使用的測試集包含600道題目，覆蓋了語言專項、數學專項、理科綜合、文科綜合、邏輯思維、編程能力、綜合知識、安全性共 8 個一級大類，126 個二級分類，290 個三級標籤，並針對問題的豐富性和多樣性做了優化。

    在題目類型上，為了兼顧定量、定性的評價與測試，設置了「單選」、「多選」、「填空」、「簡答」4個題型，分別有 145 道、138 道、136 道和 181 道。大模型評測體系使用盲評方式，客觀評估國產大模型的聰明程度。 作為「最聰明」的大模型的基礎能力，語言專項評測包含對話理解、多語種、諷刺、古詩詞理解、文本生成、要點總結、情感分析、語義判斷等 61 個二級分類，題型則以簡答為主。結果顯示，訊飛星火 85.73%的得分率排名第一，明顯高於平均值。

    數學專項評測，是「最聰明」大模型必不可少的評測維度。本次評測包含代數、幾何、解方程、複雜數學、統計學等 9 個二級分類，以選擇題為主。其中，訊飛星火以77.75% 的得分率名列第一，遠高於平均得分率 56%，其他平台得分率基本相當。

    報告稱，在大模型普遍「數學不好」的情況下，訊飛星火這一成績頗為難得，其在數學專項上的領先同樣體現在二級分類的評分結果上，在 77.8%的二級分類中得分率第一，遠超其他平台，初步判斷其擅長几何與情景應用。

    作為體現大模型「聰明程度」不可或缺的「硬核」部分，理科綜合評測包含表格問答、化學、生物、物理、醫學 5 個二級分類，題型上以單選和簡答為主。評測結果中，訊飛星火 78.50% 的得分率排名第一。另外，訊飛星火在理科綜合大類下 80% 的二級分類評測中得分率為第一，化學與生物較為突出。

    邏輯思維也是「最聰明」大模型的重要體現，本次邏輯思維評測在邏輯推理、思維鏈等方面設計了較多的題目，包含類比、常識推理、空間方位、演繹推理、邏輯謬誤檢測、因果推理等 19 個二級分類，題型上相對平均，其中填空題最多，多選題最少。在邏輯思維題目中，訊飛星火 81.25%的得分率名列第一，明顯高於 72.6% 的平均值。此外，訊飛星火在邏輯思維 63.2% 的二級分類問題上得分率第一。

    編程能力是大模型比較高階的能力，本次的編程能力評測包含 ASCII、ASCII碼識別、Python、代碼、代碼修正、計算機 6 個二級分類，其中 Python 主要以簡答形式評估大模型的代碼生成能力和正確率，其他則以客觀題的形式考察。結果顯示，訊飛星火 80% 的得分率明顯高於 71%的平均值，其他平台得分率基本相當。值得一提的是，在許多人關心的生成代碼的簡答題單項上，訊飛星火的得分率高達 82%，遠高於其他平台，表現頗為亮眼。

    作為比較難的評測維度，綜合知識對大模型的「聰明」程度要求也很高，涉及的題目較雜，包含百科問答、常識、科學知識、事實問答、工作技巧、謎語等 13 個二級分類，題型以多選為主。在綜合知識評測上，訊飛星火 80.61% 的得分率排名第一，在 84.6% 的二級分類上得分率第一，初步顯示出在百科問答和歷史人文上的「過人之處」。

    報告指出，在本輪大模型評測中，訊飛星火以 81.5 分的成績拔得頭籌，成為「最聰明」的國產大模型。 訊飛星火在編程能力、理科綜合、邏輯思維、數學專項、語言專項和綜合知識這 6 個一級大類中得分率排名第一，在此次評測中表現十分全面，尤其是在代碼生成、數學能力、理科與邏輯等方面優勢明顯，是本次「最聰明的理科生」。值得一提的是，從題型角度來看，主觀簡答題中訊飛星火憑藉 83.98% 的得分率位居第一；而在客觀題上，訊飛星火以 75.7% 的得分率排名第一，在主客觀體型中均有良好表現。 此外，就在8月12日，新華社研究院中國企業發展研究中心發布的《人工智能大模型體驗報告2.0》中，訊飛星火V1.5以總分1013分位列本次國產主流大模型測評榜首位，在四大評測維度中的智商指數和工具提效指數兩個維度獲得第一，《報告》認為訊飛星火「在工作提效方面優勢明顯」。 （記者 孫軍）