跨学科知识

这是一个 AI 大模型评测用例，下面将详细介绍测试内容和各模型的表现。

基本信息

  • 用例名称：跨学科知识
  • 测试类型：文本生成
  • 评测维度：知识问答
  • 参与评测的模型数：196 个

系统提示词（System Prompt）

你是一名资深的人工智能技术科普专家，擅长以清晰、准确、通俗易懂的方式介绍AI技术的应用现状。 回答要求： 1. 按照应用领域分类组织内容，条理清晰，使用编号或分类标题。 2. 每个领域需给出1-2个具体的应用实例（如产品名称、技术场景），避免空泛描述。 3. 覆盖至少5个主流应用领域，确保内容的广度与代表性。 4. 语言客观准确，不夸大AI能力，不使用情感化或拟人化表达。 5. 回答长度适中，总字数控制在400-600字之间。

用户提示词（User Prompt）

请介绍人工智能（AI）技术目前的主要应用领域。 要求： 1. 按领域分类列举，至少涵盖5个不同的应用领域（例如：医疗、金融、教育、交通、娱乐等）。 2. 每个领域简要说明AI的具体应用方式，并举出至少1个真实或典型的应用实例。 3. 回答结构清晰，便于读者快速了解AI应用的整体面貌。

各模型评测结果

  1. 第 1：Z.ai: GLM 5.1，得分 94.0 分 — 查看该模型的详细评测结果
  2. 第 2：Claude Opus 4.6，得分 92.7 分 — 查看该模型的详细评测结果
  3. 第 3：StepFun: Step 3.5 Flash，得分 92.5 分 — 查看该模型的详细评测结果
  4. 第 4：xAI: Grok 4.20 Beta，得分 92.3 分 — 查看该模型的详细评测结果
  5. 第 5：MiniMax-M2.7，得分 92.0 分 — 查看该模型的详细评测结果
  6. 第 6：GLM-5.1，得分 92.0 分 — 查看该模型的详细评测结果
  7. 第 7：OpenAI: GPT-5.4，得分 91.7 分 — 查看该模型的详细评测结果
  8. 第 8：GLM-5v-turbo，得分 91.5 分 — 查看该模型的详细评测结果
  9. 第 9：Anthropic: Claude Sonnet 4.6，得分 90.85 分 — 查看该模型的详细评测结果
  10. 第 10：MiniMax-M2.5，得分 90.71 分 — 查看该模型的详细评测结果
  11. 第 11：Google: Gemma 4 26B A4B ，得分 90.6 分 — 查看该模型的详细评测结果
  12. 第 12：Meituan: LongCat Flash Chat，得分 90.45 分 — 查看该模型的详细评测结果
  13. 第 13：MiniMax-M2.1，得分 90.25 分 — 查看该模型的详细评测结果
  14. 第 14：doubao-seed-2-0-mini，得分 90.02 分 — 查看该模型的详细评测结果
  15. 第 15：doubao-seed-1-6，得分 90.0 分 — 查看该模型的详细评测结果
  16. 第 16：kimi-k2-thinking-turbo，得分 89.91 分 — 查看该模型的详细评测结果
  17. 第 17：qwen3.5-35b-a3b，得分 89.9 分 — 查看该模型的详细评测结果
  18. 第 18：glm-4.5-air，得分 89.78 分 — 查看该模型的详细评测结果
  19. 第 19：Google: Gemini 3.1 Pro Preview，得分 89.73 分 — 查看该模型的详细评测结果
  20. 第 20：Grok 4，得分 89.3 分 — 查看该模型的详细评测结果
  21. 第 21：xAI: Grok 4.1 Fast，得分 89.25 分 — 查看该模型的详细评测结果
  22. 第 22：qwen3-coder-next，得分 89.0 分 — 查看该模型的详细评测结果
  23. 第 23：qwen3-max，得分 88.44 分 — 查看该模型的详细评测结果
  24. 第 24：deepseek-v3.2，得分 88.38 分 — 查看该模型的详细评测结果
  25. 第 25：qwen3-235b-a22b，得分 88.3 分 — 查看该模型的详细评测结果
  26. 第 26：mimo-v2-omni，得分 88.2 分 — 查看该模型的详细评测结果
  27. 第 27：GPT-5.2，得分 87.9 分 — 查看该模型的详细评测结果
  28. 第 28：qwen3.5-omni-plus，得分 87.9 分 — 查看该模型的详细评测结果
  29. 第 29：qwen3-14b，得分 87.8 分 — 查看该模型的详细评测结果
  30. 第 30：qwen3.5-27b，得分 87.8 分 — 查看该模型的详细评测结果
  31. 第 31：qwen3.5-plus-2026-02-15，得分 87.78 分 — 查看该模型的详细评测结果
  32. 第 32：Anthropic: Claude Haiku 4.5，得分 87.75 分 — 查看该模型的详细评测结果
  33. 第 33：doubao-seed-1-8，得分 87.7 分 — 查看该模型的详细评测结果
  34. 第 34：doubao-seed-2-0-lite，得分 87.4 分 — 查看该模型的详细评测结果
  35. 第 35：doubao-seed-2-0-code，得分 87.3 分 — 查看该模型的详细评测结果
  36. 第 36：mimo-v2-pro，得分 87.2 分 — 查看该模型的详细评测结果
  37. 第 37：qwen3.5-flash，得分 87.2 分 — 查看该模型的详细评测结果
  38. 第 38：OpenAI: GPT-5 Mini，得分 87.13 分 — 查看该模型的详细评测结果
  39. 第 39：qwen3-4b，得分 86.7 分 — 查看该模型的详细评测结果
  40. 第 40：hunyuan-turbo，得分 86.69 分 — 查看该模型的详细评测结果
  41. 第 41：Google: Gemini 3 Flash Preview，得分 86.4 分 — 查看该模型的详细评测结果
  42. 第 42：OpenAI: gpt-oss-120b，得分 86.28 分 — 查看该模型的详细评测结果
  43. 第 43：Google: Gemma 4 31B，得分 86.1 分 — 查看该模型的详细评测结果
  44. 第 44：glm-5，得分 85.88 分 — 查看该模型的详细评测结果
  45. 第 45：glm-4.7，得分 85.71 分 — 查看该模型的详细评测结果
  46. 第 46：OpenAI: GPT-4o-mini，得分 85.58 分 — 查看该模型的详细评测结果
  47. 第 47：OpenAI: GPT-5 Nano，得分 85.52 分 — 查看该模型的详细评测结果
  48. 第 48：OpenAI: gpt-oss-20b，得分 84.05 分 — 查看该模型的详细评测结果
  49. 第 49：kimi-k2.5，得分 83.88 分 — 查看该模型的详细评测结果
  50. 第 50：qwen3.5-omni-flash，得分 83.33 分 — 查看该模型的详细评测结果
  51. 第 51：hunyuan-large，得分 83.27 分 — 查看该模型的详细评测结果
  52. 第 52：doubao-seed-1-6-flash，得分 82.7 分 — 查看该模型的详细评测结果
  53. 第 53：qwen3.6-plus-preview，得分 82.6 分 — 查看该模型的详细评测结果
  54. 第 54：doubao-seed-2-0-pro，得分 82.57 分 — 查看该模型的详细评测结果
  55. 第 55：qwen3-8b，得分 82.2 分 — 查看该模型的详细评测结果
  56. 第 56：Google: Gemini 2.5 Flash Lite，得分 82.19 分 — 查看该模型的详细评测结果
  57. 第 57：mimo-v2-flash，得分 81.19 分 — 查看该模型的详细评测结果
  58. 第 58：hunyuan-pro，得分 81.08 分 — 查看该模型的详细评测结果
  59. 第 59：qwen3-coder-plus，得分 80.7 分 — 查看该模型的详细评测结果
  60. 第 60：NVIDIA: Nemotron 3 Super (free)，得分 80.0 分 — 查看该模型的详细评测结果
  61. 第 61：Qwen: Qwen3.5-9B，得分 79.8 分 — 查看该模型的详细评测结果
  62. 第 62：qwen3-coder-flash，得分 79.7 分 — 查看该模型的详细评测结果
  63. 第 63：Meta: Llama 3.3 70B Instruct，得分 78.05 分 — 查看该模型的详细评测结果
  64. 第 64：Mistral: Mistral Nemo，得分 77.51 分 — 查看该模型的详细评测结果
  65. 第 65：qwen3-0.6b，得分 76.2 分 — 查看该模型的详细评测结果
题目
模型排行
加载中…
模型评分
加载中…