在OSWorld-Verified基准上，GPT-5.4达到了75.0%的成功率，超过了人类表现的72.4%，远超GPT-5.2的47.3%。：在近期发布的新模型中，gpt-5.4-high（72.6%）的表现超过了GLM-4.7（71.5%）、ERNIE-5.0（70.9%）、DeepSeek-V3.2-Think（70.9%）等模型，但与榜首的Doubao-Seed-2.0-pro（76.5%

gpt-5.3-chat（70.6%）与GLM-4.7（71.5%）、gemini-3-flash-preview（71.5%）基本处于同一水平线，但与榜首的Doubao-Seed-2.0-pro（76.5%）和第二名gemini-3.1-pro-preview（74.8%）仍有一定差距。对比同为闭源的claude-opus-4.6（70.5%，96.5元），gpt-5.3-chat准确率基本持平

2025年4月15日发布的 Doubao-1.5-thinking-pro 凭借长思维链和强化学习技术，在医疗、教育、金融等8大类别中展现了突出的推理性能。时隔两个月，其升级版 doubao-seed-1-6-thinking-250615 于6月15日正式推出，进一步优化了模型架构。

而OpenAI的gpt-5.2-high（67.4%）相比gpt-5.1-high（69.7%）则出现了2.3个百分点的回落，代际升级并非总能带来全面提升。- 闭源阵营竞争激烈：在闭源商用模型中，qwen3-max-think-2026-01-23（72.8%）、hunyuan-2.0-thinking-20251109（71.9%）、doubao-seed-1-8-251215（71.7%）均超

评测结论：百度系最新大模型得分第一！，腾讯系混元大模型排名第二，DeepSeek排名第七，和腾讯系模型是排名前10中唯二的开源模型。

OpenAI、Google、Meta、Anthropic的大模型，哪家强？！！！

评测维度：医疗、教育、法律、行政公务、推理与数学计算、语言与指令遵从。输出价格单位：（元/M tok）

字节豆包：以“综合实力派”的形象，在多个领域展现出强大的通用能力。阿里千问：凭借“模型矩阵”的优势，力求覆盖所有需求，打法全面。智谱AI：则以“专业领域尖刀”的姿态，在特定行业形成壁垒。深度求索：瞄准“高端性能”和“科研突破”，目标是技术高地。阶跃星辰：作为“潜力黑马”，未来表现值得期待。

【评测结论】：百度系模型得分第一，豆包、腾讯系混元大模型、deepseek分列2-4名，，其中deepseek是前5中唯一一个开源模型。

评测维度：医疗、教育、法律、行政公务、推理与数学计算、语言与指令遵从。