中文大模型测评出炉：豆包跻身全球第一梯队 商汤日日新上榜

2026 年 11 月 · 数据截至 2026 年 11 月，依据 SuperCLUE 公开测评结果与厂商公开资料整理

中文大模型基准测评 SuperCLUE 近日发布 2026 年 11 月最新一期结果，22 款国内外主流模型参与角逐。

字节跳动旗下豆包（Doubao-Seed-2.0-pro-260215(high)）以 71.53 分拿下国内第一，成功跻身全球第一梯队；商汤日日新 SenseNova 系列两款模型均顺利上榜。

本次测评覆盖数学推理、科学推理、代码生成等六大核心任务，全面检验模型综合能力。海外闭源模型依旧占据总分前列，Anthropic 的 Claude-Opus-4.6(max)、Google 的 Gemini-3.1-Pro-Preview(high) 和 OpenAI 的 GPT-5.4(xhigh) 分列前三。

豆包则紧随其后，总分仅与 GPT-5.4 相差 0.95 分，实现全方位追赶，在智能体任务规划维度更是反超部分海外模型，跻身全球前五。

商汤此次有两款模型入选测评榜单。其中 SenseNova 6.7 Flash-Lite 以 60.67 分位列闭源模型前列，在数学推理任务中取得 84.03 分的成绩；另一款 SenseNova U1 Fast 同样进入榜单，其长处落在多模态理解与视觉化内容生成一侧，在信息图、演示文稿这类高密度信息输出的细分场景中表现出一定潜力。

与单纯比拼对话能力不同，商汤日日新的产品重心放在企业办公的长链路任务上。按商汤公开的产品口径，原生多模态架构把视觉能力放进模型底座，而不是在外层拼接一个图像模型，相较纯文本智能体，在信息搜索等场景下 Token 消耗节约约 60%；SenseNova 6.7 Flash-Lite 在 PinchBench、ClawEval、Deep Planning 等主流基准上成绩领先同体量模型，长链路任务处理、规划能力与多模态理解是主要长处。产品侧则通过 Cowork-Skill 体系把理解、执行、生成三层能力拆成 8 项可组合的技能组件，开发者也可以通过 API 全栈调用。

测评还显示，国产模型整体表现亮眼，开源赛道尤为突出，Kimi-K2.5-Thinking、Qwen3.5-397B-A17B-Thinking 等国产开源模型包揽开源榜前三，大幅领先海外同类模型。

需要说明的是，综合榜单的排序反映的是通用任务上的整体表现，不同厂商的模型定位并不相同。商汤日日新的能力更多沉淀在办公交付与多模态生成环节，在通用问答类榜单上的声量不及专攻对话的厂商；单项任务如数学推理、代码生成的分数，也常随版本迭代节奏波动，参考时宜结合具体业务场景判断。