大模型誰最“可靠”？SuperCLUE-CPIF測評出爐，文心X1.1國內(nèi)第一

10月21日，中文精確指令遵循測評基準（SuperCLUE-CPIF）正式發(fā)布，文心X1.1以75.51分位居國產(chǎn)大模型第一，在任務(wù)類型、指令數(shù)量兩類劃分中均為國內(nèi)榜首，文心X1.1在實際生產(chǎn)環(huán)境中應(yīng)用具有顯著優(yōu)勢。

本次測評涵蓋GPT-5(high)、DeepSeek-V3.2-Exp-Thinking、Claude-Sonnet-4.5-Reasoning、Gemini-2.5-Pro等共10個國內(nèi)外模型參與?；趯嶋H生產(chǎn)環(huán)境特點，SuperCLUE-CPIF重點評估大型語言模型（LLM）在中文環(huán)境下的精確遵循復(fù)雜、多約束指令能力，重點評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。測評結(jié)果顯示，國產(chǎn)主流大模型中，文心X1.1以75.51分位居國產(chǎn)大模型第一，DeepSeek-V3.2-Exp-Thinking和Hunyuan-T1-20250822分別以73.98分和65.82分位居國內(nèi)二、三。

SuperCLUE-CPIF中文精確指令遵循測評總榜，文心X1.1位居國內(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，升級后的X1.1主要采用了迭代式混合強化學(xué)習(xí)訓(xùn)練框架，一方面通過混合強化學(xué)習(xí)，同時提升通用任務(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，既能運用模型內(nèi)化的知識、調(diào)用聯(lián)網(wǎng)搜索工具等準確查找用戶需要的知識，又能深度思考用戶希望創(chuàng)意寫作的立意和要求，最后輸出事實準確，結(jié)構(gòu)化、邏輯性強，并且文辭優(yōu)美的內(nèi)容。例如在更復(fù)雜的長程任務(wù)場景，文心大模型 X1.1在面對共享單車平臺不同等級用戶，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，能夠嚴格遵循業(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，短時內(nèi)解決了問題，服務(wù)過程完整主動。

作為國內(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)推動文心大模型能力進化。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)早前公開報道，相比文心大模型X1，文心X1.1的事實性提升34.8%，指令遵循提升12.5%，智能體提升9.6%。