（原标题：智源“百模评测”放榜：多模态发展提速或激励新的AI专揽）开云体育

12月19日，智源探求院发布最新一期FlagEval大模子评测榜单。本次参与测评的有国表里100余个开源、买卖闭源大模子，涵盖话语、视觉话语、文生图、文生视频、语音话语多个类别。

智源探求院评测发现，2024年下半年，大模子发展更聚焦概括智商提高与实质专揽。话语模子智商趋于弥漫安静，发展相对放缓。多模态模子发展赶紧，涌现了不少新厂商与新模子。国内厂商在文生图、文生视频模子方面占据大家第一梯队的位置。

从上榜的大模子厂商看，国内的字节跨越、腾讯、阿里巴巴、百度、快手，外洋的OpenAI、谷歌、Meta、Anthropic等大公司的模子排行靠前，比大模子初创公司更具上风。 

大模子厂商分层，AI专揽或出现新趋势

智源探求院副院长兼总工程师林咏华暗意，互联网大厂在用户流量与数据响应上齐会比非互联网厂商有上风，尤其是短视频大厂蕴蓄了海量的高质地数据，过程近一年的覆按，多模态模子智商进步显然。在本年上半年，一些文生图模子巨额无法生成正确的汉文笔墨，但这次参评的头部模子照旧具备汉文笔墨生成智商。

大模子厂商也出现了显然的分层。一部分厂商仍在追求更强更大的东说念主工通用智能(AGI)模子，另一部分厂商则加大了对专揽的探索。

智源探求院测评团队不雅察到，本年以来，从预覆按轮番驱动覆按模子的企业照旧很少了，开源的话语模子数目也在减少。这在一定进程上清楚，业界对基础模子的探索在顾问。不外，国内仍有不少具有实力的厂商在握续发力通用基座模子并选定开源。

智源探求院智能评测组认真东说念主杨熙告诉经济不雅察网，本年业界更眷注专揽，一些大模子厂商也在积极向专揽侧转化。作念专揽需要在推理端作念更多优化，比拟之下，覆按更大尺寸的基础话语模子，对企业的时期实力、财力、资源挑战较大。

杨熙称，国内的AI专揽还处于用户教师阶段，好多厂商在打算产物时，要么是在教用户怎样正确且高效地使用大模子，要么是通过配套的产物化智商识别出用户的意图，再对用户的申请作念相宜性篡改。这清楚国内的AI专揽还比较早先。

林咏华以为，昔日两年，话语模子的握续发展带来了本年以话语模子为撑握的多样AI专揽，2025年，AI专揽会出现三个显然的趋势：一是基于话语模子的智能体好像完成更复杂的AI功能；二是文生图、文生视频专揽会出现一些浮松；三是跨模态的视觉话语模子有望酿成新的AI专揽。

头部金融模子智商接近低级量化来回员

智源探求院评测效果自大，针对一般汉文场景的话语模子在绽放式问答或生成任务上的智商已趋于弥漫安静，然则在复杂场景任务的发扬上，国内头部话语模子仍与国际一活水平存在权贵差距。

在话语模子主不雅（含价值不雅）评测中，字节跨越Doubao-pro-32k-preview、百度ERNIE 4.0 Turbo位居第一、第二。在视觉话语模子评测上，OpenAI GPT-4o-2024-11-20位列第一，字节跨越的豆包视觉模子紧随自后。

文生图多模态模子天然在这半年进步较大，但仍会出现复杂场景东说念主物变形的情况。评测效果自大，腾讯Hunyuan Image位列第一，字节跨越Doubao image v2.1、Ideogram 2.0分列第二、第三，OpenAI DALL·E 3、快手可图次之。

在文生视频多模态模子评测中，画质进一步提高，动态性更强，镜头话语更丰富，转场更流通，但巨额存在大幅度手脚变形，无法长入物理轨则，物体磨灭、披露、穿模等情况。评测效果自大，快手可灵1.5（高品性）、字节跨越即梦P2.0 pro、爱诗科技PixVerse V3、MiniMax 海螺AI、Pika 1.5位列前五。

语音话语模子智商提高繁密，粉饰面更全，但在具体任务上与大家模子还存在一定差距。举座而言，性能好、通用智商强的开源语音话语模子偏少。专项评测效果自大，阿里巴巴Qwen2-Audio位居第一，香港汉文大学&微软WavLLM、清华大学&字节跨越Salmon位列第二、第三，Nvidia Audio-Flamingo，MIT & IBM LTU均参加前五。

在本次测评中，智源探求院初次增多了金融量化来回榜单。评测效果自大，头部模子智商已接近低级量化来回员的水平。大模子照旧具备生成有回撤收益的政策代码的智商，能成立量化来回典型场景里的代码。其中，深度求索Deepseek-chat，OpenAI GPT-4o-2024-08-06，Google Gemini-1.5-pro-latest位列前三。

据了解，本次评测依托智源探求院自2023年6月上线的大模子评测平台FlagEval，已粉饰大家800多个开闭源模子，包含20多种任务，90多个评测数据集，超200万条评测题目。

（以上图片均由智源探求院提供）