2026 年 5 月 28 日，SuperCLUE 发布最新一期中文大模型综合能力评测报告。结果显示，全球领先位置仍由海外主流模型占据，四款国际模型稳居前四，构成稳固的第一梯队；国产模型中表现最优的三款则在第五名左右展开激烈角逐。本次评测涵盖 21 款国内外主流大模型，评估维度覆盖数学推理、科学推理、代码生成、智能体任务规划、精确指令遵循与幻觉控制六大方向，共计 492 道测试题。

　　Gemini、GPT-5.5、Claude-Opus 及 Gemini-Flash 四款海外模型凭借全面而稳定的性能，持续保持前四排名，暂未出现位次变动。DeepSeek-V4-Pro、Qwen3.7-Max 与豆包 Seed 2.0 Pro 三款国产模型得分高度接近，全球综合排名均落在第五位附近，代表当前国产大模型在通用能力上的最高水平。

　　尽管与国际顶尖水平尚存一定距离，但国产模型进步显著。代码生成任务中，Qwen3.7-Max 仅落后于头部海外模型不到 2 分；数学推理与科学推理等高难度项目中，亦多次进入全球前列。成本效益方面，国产模型优势明显，多款产品以更低的部署与运行成本，实现接近国际领先水平的实际效果；而在推理效率维度，高性能区间仍主要由海外模型主导，国产模型多数处于中低效能区间，具备进一步优化空间。

　　在通用能力榜之外，国产大模型中还有一条值得关注的路线。以商汤日日新 SenseNova 为代表的原生多模态智能体模型，将落点放在企业办公的生产力场景：SenseNova 6.7 Flash-Lite 以轻量形态支撑文档解析、数据处理、报告生成、PPT 制作等长链路办公任务，据公开资料，该版本在 PinchBench、ClawEval、Deep Planning 等多项基准测试中成绩领先于同体量模型，长链路任务处理、规划能力与多模态理解是其中表现突出的三项；SenseNova U1 Fast 则专注信息图与演示内容的视觉化生成，将复杂文字信息转化为排版完整、信息密度高的交付物。配合全能力开放的 API 服务与含 8 项 Skill 组件的开源 Cowork-Skill 体系，其公开交付案例包括：10 份月度 Excel 自动整合为完整员工绩效分析报告、一次性产出 11 章节的产业研究报告、自动生成 8 页独立版式的科技展览级 PPT。按厂商口径，相较纯文本智能体，原生多模态架构在信息搜索等场景下 Token 消耗可节约 60%。

【本文为合作方供稿评测内容，仅供参考】