9月28日，中文通用大模型综合性测评基准SuperCLUE发布了2025年9月榜单。数据显示，国际顶尖模型依然保持领先，但国产大模型正以惊人速度缩短差距，在多项关键能力上展现出强劲竞争力。
国际巨头暂居前列，OpenAI持续领跑
本次评测中，OpenAI的GPT-S(high)以69.37分的综合成绩位居榜首，在数字推理（73.64分）和幻觉控制（78.34分）方面表现突出。同属OpenAI的o3(high)模型在数字推理上更是获得77.27分的高分，显示出该公司在逻辑推理方面的技术积累。
Anthropic的Claude-Opus-4.1-Reasoning在幻觉控制方面表现最佳，获得86.23分的优异成绩。Google的Gemini-2.5-Pro则在智能体能力上以83.06分领先其他模型。前五名均被国际厂商包揽，形成了目前大模型领域的第一梯队。
国产力量强势崛起，多领域实现突破
值得关注的是，国产大模型正展现出强大的追赶势头。深度求索的DeepSeek-V3.1-Terminus-Thinking以61.44分领跑国内阵营，与榜首的差距已缩小到8分以内。字节跳动的Doubao-Seed-1.6-thinking以60.96分紧随其后，在幻觉控制（77.78分）和智能体能力（82.50分）方面表现亮眼。
百度ERNIE-XL1、阿里巴巴Qwen3-Max分别以60.33分和59.68分跻身国内前列，形成了颇具竞争力的国产第一梯队。华为的openPangu-Ultra-MoE-7188以58.87分展现出不俗实力。
技术路线多元化，思维链效果显著
从技术路线看，带有“Thinking”（思维链）功能的模型普遍表现更好。深度求索、字节跳动、阿里巴巴等厂商的Thinking版本都在原有基础上有了明显提升，说明思维链技术在增强模型推理能力方面效果显著。
在具体能力维度上，国产模型展现出差异化优势。阿里巴巴Qwen3-Max在代码生成方面获得67.18分，在国内模型中领先；字节跳动Doubao在智能体能力上取得82.50分的高分；深度求索在科学推理和智能体能力上均衡发展。
产业生态日趋成熟，应用前景广阔
目前，大模型产业已形成多层次、多技术路线的健康发展格局。从互联网大厂到专业AI公司，都在开源和闭源两条技术路线上积极布局。这种多元化发展态势为不同应用场景提供了丰富选择，也将推动整个AI产业生态的繁荣发展。
业内专家表示，国产大模型在短短几年内实现如此快速的进步，体现了中国在人工智能领域强大的创新能力和产业实力。随着技术不断成熟和应用场景持续拓展，大模型将在数字经济发展中发挥更加重要的作用，为产业升级和创新发展注入新动能。
展望未来，国产大模型有望在中文理解、本土化应用场景等方面进一步发挥优势，同时在基础能力建设上继续突破，推动中国人工智能产业实现高质量发展。
报告全文：
https://pan.baidu.com/s/1V1e2NmhWuukBGnmuCMZ7-Q?pwd=xga3