中文 · %
C-Eval
中文综合评测，约 1.39 万道选择题，52 个学科、四个难度等级。
测什么
平均准确率。本站只引用 GitHub README 中首发时的表格。
局限
2026-10-10 从本站网络无法访问实时榜单（cevalbenchmark.com）；README 表格是 2023 年的数据。
数据污染风险: 高
验证集答案公开，测试集标签不公开。
排行 · 子集 / 设定: five-shot
10 个模型
| # | 模型 | 厂商 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|---|---|
| 1 | GPT-4 | OpenAI | 68.7% | 1 | Five-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 2 | ChatGPT | OpenAI | 54.4% | 2 | Five-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 3 | Claude-v1.3 | Anthropic | 54.2% | 3 | Five-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 4 | Claude-instant-v1.0 | Anthropic | 45.9% | 4 | Five-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 5 | GLM-130B | Zhipu AI (Z.ai) | 40.3% | 5 | Five-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 6 | Bloomz-mt-176B | BigScience | 39.0% | 6 | Five-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 7 | LLaMA-65BOW | Meta | 38.8% | 7 | Five-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 8 | chatglm-6bOW | Zhipu AI (Z.ai) | 34.5% | 8 | Five-shot average, initial-release table (2023)“ChatGLM-6B” | 官方榜单 | 2023年5月15日 |
| 9 | Chinese LLaMA-13B | Community (Chinese-LLaMA) | 33.3% | 9 | Five-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 10 | MOSS | Fudan (OpenMOSS) | 31.1% | 10 | Five-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
排行 · 子集 / 设定: zero-shot
10 个模型
| # | 模型 | 厂商 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|---|---|
| 1 | GPT-4 | OpenAI | 66.4% | 1 | Zero-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 2 | ChatGPT | OpenAI | 51.0% | 2 | Zero-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 3 | Claude-v1.3 | Anthropic | 50.5% | 3 | Zero-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 4 | Bloomz-mt-176B | BigScience | 44.3% | 4 | Zero-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 5 | GLM-130B | Zhipu AI (Z.ai) | 44.0% | 5 | Zero-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 6 | Claude-instant-v1.0 | Anthropic | 40.6% | 6 | Zero-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 7 | chatglm-6bOW | Zhipu AI (Z.ai) | 38.9% | 7 | Zero-shot average, initial-release table (2023)“ChatGLM-6B” | 官方榜单 | 2023年5月15日 |
| 8 | LLaMA-65BOW | Meta | 34.7% | 8 | Zero-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 9 | MOSS | Fudan (OpenMOSS) | 33.1% | 9 | Zero-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
| 10 | Chinese-Alpaca-13B | Community (Chinese-LLaMA) | 30.9% | 10 | Zero-shot average, initial-release table (2023) | 官方榜单 | 2023年5月15日 |
数据来源与许可
| 来源 | 许可 / 条款 | 本站使用方式 | 最近抓取 |
|---|---|---|---|
| C-Eval (GitHub README, initial release table) Huang et al., C-Eval | Code MIT; dataset CC BY-NC-SA 4.0 | 有限制：只引用前几名 | 2026年10月22日 |
常见问题
C-Eval 测的是什么？
中文综合评测，约 1.39 万道选择题，52 个学科、四个难度等级。 平均准确率。本站只引用 GitHub README 中首发时的表格。
C-Eval 的结果可靠吗？
2026-10-10 从本站网络无法访问实时榜单（cevalbenchmark.com）；README 表格是 2023 年的数据。 数据污染风险: 高 – 验证集答案公开，测试集标签不公开。