多维度、可复现、面向中文场景的大模型能力评测。当前榜单为预览版本，所有排名及分数仅供参考，不代表任何商业推荐。
| 排名 | 模型 | 机构 | 发布时间 | 综合得分 | 数学智商 | 逻辑-开 | 逻辑-关 | 代码能力 | 综合画像 |
|---|---|---|---|---|---|---|---|---|---|
| 👑 |
讯飞星火
X2
|
科大讯飞 | 2026-02-11 |
92.5
|
99 | 9.5 | 9.9 | 48 | 六边形战士 |
| 2 |
DeepSeek
V4 Pro
|
DeepSeek | 2026-04-24 |
88.3
|
98 | 9.8 | 2.0 | 35 | CoT代偿型 |
| 3 |
豆包
2.0
|
字节跳动 | 2026-02-14 |
85.1
|
78 | 9.8 | 9.5 | 27 | 形式化型 |
| 维度 | 讯飞星火 X2 |
DeepSeek V4 Pro |
豆包 2.0 |
|---|---|---|---|
| 数学智商 | 99🥇 | 98 | 78 |
| 逻辑-开思考 | 9.5 | 9.8🥇 | 9.8🥇 |
| 逻辑-关思考 | 9.9🥇 | 2.0 | 9.5 |
| 代码能力 | 48🥇 | 35 | 27 |
| 发布时间 | 2026-02-11 | 2026-04-24 | 2026-02-14 |
| 训练算力 | 华为昇腾910B（全国产） | 英伟达 / 自研 | 字节自研 |
| 核心优势 | 基座扎实，全场景稳定 | 开思考时顶级，开源生态 | 形式化逻辑强，产品化好 |
| 核心短板 | 工程完成度可提升 | 关思考崩溃，基座未内化 | 易构造虚假规律/架构 |
| 思考增益 | +0.4（健康） | +7.8（病态代偿） | -0.3（亚健康） |
| 综合画像 | 六边形战士 | CoT代偿型 | 形式化型 |
覆盖代数、几何、概率、数论等中学到大学数学问题，考察模型形式化推理与计算准确率。
允许模型使用 CoT 长思考，评估其在复杂推理、多步拆解、自我修正上的能力上限。
禁用显式思考链，直接输出答案，衡量模型基座内化程度与直觉推理稳定性。
基于算法题、工程题、Bug 修复等场景，综合评估代码正确性、效率与可维护性。
1. 本页面为 ETeam 大模型测试平台预览版，所展示的模型排名、分数及分析结论仅供参考，不构成任何商业推荐或官方背书。
2. 评测数据来源于限定测试集与实验环境，不同 prompt、采样参数、评测版本可能导致结果波动，请以各模型官方发布信息为准。
3. 模型能力日新月异，榜单将定期更新。如有数据勘误或合作意愿，欢迎通过社区联系管理员。