20多道问题涉及生活和工作的各种场景，再加上30道考公题，用来测试国内外18个大模型产品的表现。最终结果显示，GPT-4展现出最强的解决问题能力，好于基准测试得分接近或超过它的Claude 3、Google Gemini。中国大模型在多数测试场景中表现好于GPT-3.5和Llama 2最强的版本，甚至在一些特定场景中，比如基于中文文档的问答，表现和GPT-4持平，但整体仍和GPT-4有较大差距。（晚点LatePost）
扫码打开当前页
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×