中国 AI 的公开考卷
第三方、可复现的模型能力评测。数据截止 2026-11-08，演示数据仅供骨架验证使用。
推理、代码、中文、Agent 与安全五维加权
| 名次 | 模型 | 综合分 |
|---|
| 1 | DeepSeek-V3 | 87.4 |
| 2 | Qwen3-235B | 86.1 |
| 3 | Kimi-K2 | 84.0 |
代码生成与调试为主，兼顾推理与工具调用
| 名次 | 模型 | 综合分 |
|---|
| 1 | DeepSeek-V3 | 87.8 |
| 2 | Qwen3-235B | 85.3 |
| 3 | Kimi-K2 | 83.2 |
中文语义、写作与安全对齐
| 名次 | 模型 | 综合分 |
|---|
| 1 | DeepSeek-V3 | 92.0 |
| 2 | Qwen3-235B | 87.9 |
| 3 | GLM-4.5 | 86.4 |
多步任务规划与工具调用
| 名次 | 模型 | 综合分 |
|---|
| 1 | DeepSeek-V3 | 85.4 |
| 2 | Kimi-K2 | 84.1 |
| 3 | Qwen3-235B | 83.2 |