2026年9月中文通用大模型测评通知！

发布时间：2026-09-15来源：CLUE中文语言理解测评基准

SuperCLUE-2026年9月通用大模型测评通知

各位好：

为全面评估截至2026年9月中文大模型的综合性能和发展进程，SuperCLUE团队计划将于2026年9月30日发布《中文大模型通用基准测评2026年9月测评结果》。

结合当前大模型技术重点与行业实践现状，本次测评将在2026年7月SuperCLUE通用测评基准体系的基础上，作出以下调整：

1.超长上下文：将超长上下文处理能力作为独立测评维度，重点测评模型在长文本信息检索、逻辑输出等方面的综合表现。历史测评可见Kimi-K3、GLM-5.2中文超长上下文多轮检索测评结果发布！

2.数理推理：对数学、科学推理进行合并，统一为数理推理测评维度，综合考察模型在数理计算、逻辑推导、科学问题分析求解上的能力水平。

3.维度精简优化：移除智能体任务规划测评维度，受限于纯文本测评场景，未体现真实智能体的行动闭环能力，本次暂不保留。

4.难度升级，强化区分度：对各任务内部的子类划分与试题难度进行优化调整，整体抬升测评基线难度，拉大模型能力分层，更精准识别高阶能力差异。

一

时间安排

即日起-2026年9月18日：报名申请、模型对接

9月19日-9月27日：模型测评

9月28日-9月29日：结果统计

9月30日：发布文章

二

测评说明

总分计算规则

2026年9月SuperCLUE通用基准测评总分由五大核心任务的得分构成，设置每个任务的权重w_n。即：

总分= w_1*数理推理+w_2*智能体编程+w_3*超长上下文+w_4*精确指令遵循+w_5*幻觉控制

最大延时设置与最大尝试次数

针对每个题目，每个模型每次请求的超时时长为30分钟，未获取到答案的题目计0分；同时，针对非智能体编程任务，每个模型有最多3次回答的机会（即如果没有正常获取答案，可尝试的次数）。

三

参与方式

请各大模型团队于2026年9月18日18:00前使用单位邮箱参与申请，发送至：

contact@superclue.ai

邮件内容包括：单位信息、大模型简介、联系人和所属部门、联系方式。

四

其他

（一）发布形式

2026年9月基准测评将会发布【总榜】、【模型象限】及【各专项榜单】等，总体表现和各任务分数将同步更新在www.superclueai.com官方排行榜网站。

（二）SuperCLUE交流群

（三）联系人

用户意见征集：

诚邀您推荐希望我们评测的大语言模型，您的建议可通过下方评论区留言，我们将认真考量每一条意见，并酌情纳入后续评测计划。

另：

请关注CLUE官网：

www.superclueai.com

或微信公众号随时了解SuperCLUE最新动态。

点击阅读原文可查看往期榜单

发起 / SuperCLUE团队

转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。