详情

8月6日音书，SuperCLUE放出2026年7月中语大模子竣工测评榜单体育游戏app平台，一共12款国产主流模子参与测试。

详尽总分排行中，Qwen3.8-Max位列第一，Kimi-K3第二名，豆包Doubao-Seed-2.1-pro第三名，DeepSeek-V4-Flash位居第四名。

此次测评和往时不相同，把传统代码生成升级成智能体编程，权重径直给到25%，更贴合范例员确凿开发历程。

剩下五项区分是数学推理18%、科学推理16%、精准领导降服16%、幻觉收尾16%、智能体任务忖度打算9%，六大维度综划算出最终得分。

详尽总分上，Qwen3.8-Max拿到71.48分，Kimi-K3是70.68分，两者只差0.8分。

豆包Doubao-Seed-2.1-pro拿到65.95分，DeepSeek-V4-Flash则是65.6分，DeepSeek-V4-Pro以64.4分位居第五名。

不同细分赛说念各家乱骂板离别很大。智能体编程这块Kimi-K3是全场第一，拿到75.79分，写工程代码、多轮开发交互上风彰着；千问排在第二，68.42分。数学推理DeepSeek-V4-Flash最强，78.95分；科学推理则是豆包发扬最佳，77.19分。

幻觉收尾、智能体任务忖度打算两个步地，千问径直断层逾越，圮绝易臆造罪状信息，拆分复杂任务的智商更强。

推理速率和性价比是另一套评判标准。DeepSeek-V4全系列属于高性价比区间，API订价低，推理质料在线，同期DeepSeek-V4-Flash、GLM-5.2、Hy3 三款处在高遵循区，计划耗时短。

反不雅总分前两名的千问、Kimi，天然推理得分高，但单次运算恭候时期很长，属于低遵循梯队，Kimi的耗时甚而是最快模子的三倍。

预算有限、作念批量开发的开发者，优先选DeepSeek系列；闲居办公、写案牍、怕AI乱编本质，千问更合乎；专科范例员、长久写工程代码，Kimi体验更好。