FlagEval 7 月榜丨新增 29 个模型评测结果，智源发布评估技术报告《AI 大模型能力全景扫描》

本次评测发现，大语言模型，国产模型主观能力整体有所提升；视觉语言新模型的能力有所提升，从本次指标上观察来看，使用强大的语言模型，如 llama3 可以无痛提升多模态模型的相关指标，但是否真正提升跨模态能力，还有待进一步的研究；文生图模型，国内外模型差距极大缩小，效果逼近国际一流水平。

闭源大语言模型，取中文+英文主观评测的综合成绩，共更新 14 个闭源模型，以下为 Top 10 上榜模型得分情况：

开源大语言模型，在中文+英文双语评测的主观评测榜单中，在原有 29 个模型评测结果基础之上，更新 5 个模型，共 33 个模型，以下为 Top 10 上榜模型得分情况：

视觉语言模型，在原有 17 个模型评测结果基础之上，更新了 5 个模型，共 22 个模型，视觉语言模型的排名按照 Avg Rank 进行排序，本轮排名分数取多个数据集排名的均值作为最终得分，因此平均排名分数越小的模型名次靠前，以下为 Top 10 上榜模型得分情况：

文生图模型，在原有 18 个模型评测结果基础之上，新增了 4 个模型，共 22 个模型，本次排名以主观评测分数为主要排名依据，以下为 Top 10 上榜模型得分情况：

更多评测结果请参阅 FlagEval 官网：flageval.baai.ac.cn

智源研究院将长期以来在大模型评测的方法、流程和技术等维度的探索与实践，形成了第一期智源评估技术报告《AI 大模型能力全景扫描》，持续推进大模型行业的蓬勃发展，报告建议支持开源开放建设，加强评测标准建设，强化协同研究，鼓励创新，推进行业应用，重视安全风险，优化监管，搭建产业生态。欢迎业界同仁提出宝贵意见，上下游企业积极共建。

AI_大模型能力全景扫描 (1).pdf