大模型誰最“可靠”？SuperCLUE-CPIF測(cè)評(píng)出爐，文心X1.1國(guó)內(nèi)第一

10月21日，中文精確指令遵循測(cè)評(píng)基準(zhǔn)（SuperCLUE-CPIF）正式發(fā)布，文心X1.1以75.51分位居國(guó)產(chǎn)大模型第一，在任務(wù)類型、指令數(shù)量?jī)深悇澐种芯鶠閲?guó)內(nèi)榜首，文心X1.1在實(shí)際生產(chǎn)環(huán)境中應(yīng)用具有顯著優(yōu)勢(shì)。

本次測(cè)評(píng)涵蓋GPT-5(high)、DeepSeek-V3.2-Exp-Thinking、Claude-Sonnet-4.5-Reasoning、Gemini-2.5-Pro等共10個(gè)國(guó)內(nèi)外模型參與?；趯?shí)際生產(chǎn)環(huán)境特點(diǎn)，SuperCLUE-CPIF重點(diǎn)評(píng)估大型語言模型（LLM）在中文環(huán)境下的精確遵循復(fù)雜、多約束指令能力，重點(diǎn)評(píng)估模型將自然語言指令轉(zhuǎn)化為符合所有要求的具體輸出的能力。測(cè)評(píng)結(jié)果顯示，國(guó)產(chǎn)主流大模型中，文心X1.1以75.51分位居國(guó)產(chǎn)大模型第一，DeepSeek-V3.2-Exp-Thinking和Hunyuan-T1-20250822分別以73.98分和65.82分位居國(guó)內(nèi)二、三。

SuperCLUE-CPIF中文精確指令遵循測(cè)評(píng)總榜，文心X1.1位居國(guó)內(nèi)第一

?文心大模型X1是基于文心大模型4.5訓(xùn)練而來的深度思考模型，升級(jí)后的X1.1主要采用了迭代式混合強(qiáng)化學(xué)習(xí)訓(xùn)練框架，一方面通過混合強(qiáng)化學(xué)習(xí)，同時(shí)提升通用任務(wù)和智能體任務(wù)的效果；另一方面通過自蒸餾數(shù)據(jù)的迭代式生產(chǎn)及訓(xùn)練，不斷提升模型整體效果。

據(jù)了解，文心大模型X1.1在處理復(fù)雜寫作任務(wù)時(shí)，既能運(yùn)用模型內(nèi)化的知識(shí)、調(diào)用聯(lián)網(wǎng)搜索工具等準(zhǔn)確查找用戶需要的知識(shí)，又能深度思考用戶希望創(chuàng)意寫作的立意和要求，最后輸出事實(shí)準(zhǔn)確，結(jié)構(gòu)化、邏輯性強(qiáng)，并且文辭優(yōu)美的內(nèi)容。例如在更復(fù)雜的長(zhǎng)程任務(wù)場(chǎng)景，文心大模型 X1.1在面對(duì)共享單車平臺(tái)不同等級(jí)用戶，不同類型問題的處理流程，以及用戶的不同情緒狀態(tài)多元素疊加的問題時(shí)，能夠嚴(yán)格遵循業(yè)務(wù)流程先后規(guī)劃、再自主調(diào)用工具，并結(jié)合用戶情緒，短時(shí)內(nèi)解決了問題，服務(wù)過程完整主動(dòng)。

作為國(guó)內(nèi)最早投入大模型產(chǎn)研的企業(yè)，百度依托“芯片-框架-模型-應(yīng)用”的全棧自研體系，持續(xù)推動(dòng)文心大模型能力進(jìn)化。得益于飛槳文心的聯(lián)合優(yōu)化，文心大模型的能力拓展和效率提升。據(jù)早前公開報(bào)道，相比文心大模型X1，文心X1.1的事實(shí)性提升34.8%，指令遵循提升12.5%，智能體提升9.6%。