智源最新评测结果发布：豆包大模型“主观评测”排名第一，多榜单位居国内第一

12 月 19 日，智源研究院发布国内外 100 余个，开源和商业闭源的大模型综合及专项评测结果。“大语言模型评测能力榜单”中，豆包通用模型 pro（Doubao-pro-32k-preview），在主观评测中排名第一。

智源研究院 FlagEval 大语言模型评测能力榜单-主观评测

“多模态模型评测榜单”中，豆包·视觉理解模型（Doubao-Pro-Vision-32k-241028）。在视觉语言模型中排名第二，仅次于 GPT-4o，是得分最高的国产大模型。

智源研究院 FlagEval 多模态模型评测榜单-视觉语言模型

“FlagEval 大模型角斗场榜单”中，豆包通用模型 pro（Doubao-pro-32k-240828)。

在大语言模型榜单中位居第一梯队，评分排名第二，仅次于 OpenAI 的 o1-mini，是得分最高的国产大模型。

智源研究院 FlagEval 大模型角斗场榜单-大语言模型榜单

据智源研究院介绍，大模型评测平台 FlagEval 目前已覆盖全球 800 多个开闭源模型，在评测方法与工具上联合了全国 10 余家高校和机构合作共建。此次公布的榜单中，大语言模型主观评测重点考察的是模型的中文能力，多模态模型评测榜单视觉语言模型主要考察的是模型在图文理解、长尾视觉知识、文字识别以及复杂图文数据分析能力；FlagEval 大模型角斗场则是向用户开放的模型对战评测服务，反映了用户对模型的偏好。

大使用量才能打磨出更好的模型。刚刚结束的 2024 火山引擎冬季 FORCE 原动力大会公布了豆包大模型最新进展——豆包大模型 12 月日均 tokens 使用量超过 4 万亿，较 5 月发布时期增长超过 33 倍，在不同应用场景中调用量快速增长。

使用量和应用场景的提升，也让豆包大模型迎来了全新的升级。其中在“大语言模型评测能力榜单”的主观评测中排名第一的豆包通用模型 pro 完成新版本迭代，综合处理能力较 5 月发布时提升了 32%，在推理上提升 13%，在指令遵循上提升 9%，在代码上提升 58%，在数学上提升 43%，在专业知识领域能力提升 54%。

在“多模态模型评测榜单”的视觉语言模型中，得分国内最高的豆包·视觉理解模型也在 FORCE 原动力大会上正式对外发布。豆包·视觉理解模型可以理解用户所输入的文本和图片相关的信息，并给出准确的回答。通过更强的内容识别能力、更强的理解和推理能力、更细腻的视觉描述能力，豆包·视觉理解模型极大地拓宽了大模型场景边界，基于对真实世界的信息处理，可以更好的辅助人类完成复杂的任务。

豆包·视觉理解模型在教育、旅游、电商等场景有着非常广泛的应用。为了更好地帮助企业开拓大模型的创新应用场景，豆包·视觉理解模型的价格为每千 tokens 0.003 元，比行业平均价格降低 85%，相当于一块钱可以处理 284 张 720P 图片，让企业和开发者用好视觉理解模型，找到更多创新场景。

从能力升级到模态丰富，火山引擎将持续拓展豆包大模型的能力边界及应用场景，加速推动 AI 大模型应用的普及与落地，为更多企业智能化升级提供有力支撑。