这么多AI模型，我到底怎么选？

目前网站支持 GPT3.5、 GPT4.0、文心一言、讯飞星火、阿里通义千问等等大模型。模型有这么多，应该怎么选呢？这里可以参考一下各个评测机构的数据。

C-Eval是一个全面的中文基础模型评估套件。它由13948个多项选择题组成，涵盖52个不同的学科和四个难度级别，如下所示。您可以在Explore查看我们的数据集示例，或查看我们的论文以了解更多详细信息。涵盖了52个不同学科的13948个多项选择题，分为四个难度级别。更多详情参考网站。

中文通用大模型综合性测评基准（SuperCLUE），是针对中文可用的通用大模型的一个测评基准。

它主要要回答的问题是：在当前通用大模型大力发展的情况下，中文大模型的效果情况。包括但不限于：这些模型哪些相对效果情况、相较于国际上的代表性模型做到了什么程度、这些模型与人类的效果对比如何？

它尝试在一系列国内外代表性的模型上使用多个维度能力进行测试。SuperCLUE，是中文语言理解测评基准（CLUE）在通用人工智能时代的进一步发展。目前包括三大基准：OPEN多轮开放式基准、OPT三大能力客观题基准、琅琊榜匿名对战基准。它按照月度进行更新

总排行榜（2023年11月）

排名	模型	机构	总分	OPEN 多轮开放问题	OPT 能力客观题
-	GPT4-Turbo	OpenAI	89.79	97.53	78.18
-	GPT-4	OpenAI	75.14	73.01	78.33
🏅️	文心一言4.0	百度	74.02	73.62	74.61
🥈	Moonshot	月之暗面	72.88	71.47	74.99
🥉	Yi-34B-Chat	零一万物	71.87	71.21	72.85
4	BlueLM	vivo	67.14	64.88	70.53
5	腾讯混元	腾讯	66.96	62.27	74
6	通义千问2.0(v1030)	阿里巴巴	66.94	61.01	75.83
7	ChatGLM3-Turbo	清华&智谱	66.5	63.27	71.34
-	Claude2	Anthropic	60.62	57.82	64.82
8	云雀大模型（豆包）	字节跳动	60.42	55.96	67.11
-	GPT3.5-Turbo	OpenAI	59.39	57.16	62.73
9	XVERSE-13B-2-Chat	元象科技	58.31	49.95	70.84
10	Qwen-14B-Chat	阿里巴巴	57.9	49.05	71.18
11	讯飞星火V3.0	科大讯飞	57.18	51	66.45
12	Baichuan2-13B-Chat	百川智能	56.33	50.33	65.33
13	MiniMax-Abab5.5	MiniMax	55.08	45.27	69.8
14	360GPT_S2_V10	360	46.47	33.35	66.14
15	ChatGLM3-6B	清华&智谱	46.24	38.01	58.58
16	Chinese-Alpaca-2-13B	yiming cui	43.42	38.09	51.42
-	Llama-2-13B-Chat	Meta	31.47	28.67	35.67

Last updated 6 months ago