超越 Claude 3.5、GPT-4o 等頂尖閉源模型，阿裡通義開源模型 Qwen2.5 斬獲 OpenCompass 評測榜冠軍

10 月 17 日記者獲悉，司南 OpenCompass 大語言模型評測榜 9 月榜單公佈，阿裡通義千問開源模型 Qwen2.5-72B-Instruct 擊敗 Claude 3.5、GPT-4o 等閉源模型，成為該評測榜首個開源模型冠軍。據瞭解，9 月底通義千問開源模型 Qwen 系列的衍生模型數量首次超越 Llama，成為全球最大的開源模型群。

司南 OpenCompass 是由上海人工智能實驗室研發的大模型評測體系平台，OpenAI、阿里巴巴、智譜 AI、Meta、零一萬物等百餘個最主流的大模型均已加入評測，是最具國際影響力的中國權威第三方評測榜單。司南 OpenCompass 自建評測榜單每月一更，從語言、推理、知識、代碼、數學、指令跟隨、智能體等七大能力維度、十餘項細分任務，對近期主流模型進行全面評測分析。

在 2024 年 9 月的司南 OpenCompass 榜單中，開源的 Qwen2.5-72B 以 70.3 分奪冠，首次超越 Claude 3.5 和 GPT-4o 等頂尖閉源模型。Qwen2.5-72B-Instruct 在此次榜單的多項能力測評中均名列前茅。在代碼能力方面，Qwen2.5-72B-Instruct 以 74.2 分奪冠，不僅能準確完成代碼編寫，還能詳細解釋代碼的功能和邏輯；在數學能力方面，Claude 3.5 得分 72.1，GPT-4o 得分 70.6，遠不及 Qwen2.5-72B-Instruct 獲得的 77 分成績。

司南 OpenCompass 評價稱，Qwen2.5 的登頂，標誌著開源社區在模型領域取得快速進展，以 Qwen 2.5 等為代表的國產主流廠商模型，在經歷最新一輪技術迭代後，其性能有了顯著提升，與國際頂尖模型之間的差距正在快速縮小，展現了國產模型的強大競爭力。

早在 9 月底，Qwen2.5-72B-Instruct 就衝進 Chatbot Arena 大模型盲測榜單前十，是前十中唯一的中國大模型。Qwen 系列開原模型涵蓋多尺寸的大語言模型、多模態模型、數學模型和代碼模型，幾乎所有尺寸的模型都實現了同等規模的最佳性能。截至 9 月底，全球開發者基於 Qwen 系列二次開發的衍生模型數量也已突破 7.43 萬，超越 Llama 的 7.28 萬，成為全球最大的開源模型群。