OpenCompass司南 - 评测榜单
简介
OpenCompass（司南）是专注于人工智能大模型评测的权威开放平台。其大语言模型官方自建榜单基于 OpenCompass 2.0 架构打造，按月定期更新，旨在通过标准化、透明化的评测体系，为学术界、工业界及开发者提供客观可靠的模型能力对比基准。
核心评测维度
榜单采用多维度量化评估体系，全面考察大语言模型的综合实力，具体包含以下核心指标：
- 综合评分：各维度能力的加权均分，作为模型排名的核心依据。
- 语言：评估模型的基础语言理解、流畅度与生成水平。
- 知识：考察模型在广泛领域的事实性知识储备与调用能力。
- 推理：测试模型在逻辑推导、复杂问题拆解与解决方面的表现。
- 数学：专注模型在数学计算、公式推导与数理逻辑上的准确性。
- 代码：评估模型在代码生成、理解、调试及工程实践中的水平。
- 智能体：考察模型在自主规划、工具调用及多步任务执行（Agent）方面的表现。
主要功能
- 官方月度排行榜：提供基于官方闭源评测集的大模型排名，详细展示各模型的综合得分、发布日期、所属厂商、开源/闭源属性及参数量。
- 榜单规则与维度说明：公开评分标准、能力维度定义及月度更新机制（平台已对能力维度进行迭代优化）。
- 评测工具与使用指南：提供配套的评测工具操作指南，支持用户规范进行模型性能测试。
- 评测生态共建：设有“浦江科学评测共创计划”、年度评测集评选及评测集贡献通道，鼓励社区共同完善评测数据集。
- 全栈评测导航：除大模型评测外，平台同步提供科学智能评测、具身智能评测、安全评测、AI 计算系统评测及垂类领域评测等细分赛道入口。
适用场景
- 学术研究与论文撰写：为研究人员提供权威的基准数据支撑，助力算法优化与模型对比分析。
- 企业/开发者技术选型：帮助技术团队根据参数量规模、开源协议及专项能力（如代码、推理、智能体）快速筛选适配业务的大模型。
- 行业分析与媒体发布：为科技媒体、自媒体及行业报告提供经过严格验证的模型性能数据与排名依据。
- 技术趋势追踪：通过月度更新榜单，直观观察国内外头部 AI 厂商的技术迭代路径与能力演进趋势。
使用与引用须知
- 本榜单数据已全面升级至 OpenCompass 2.0 版本，原 OpenCompass 1.0 开源评测集榜单因内容升级已正式下架。
- 若您在学术论文、新闻稿件或自媒体文章中引用本榜单数据，请务必规范注明数据来源于司南官网平台：
https://opencompass.org.cn。
