近日，中国信息通信研究院（信通院）正式推出了 “方升” 基准测试体系3.0，标志着国内人工智能(AI)评测中国的又一重大进步。这个全新的版本在前期基础上进行了全面升级，不仅新增了模型基础属性测试，还系统性地评估了模型信通的参数规模和推理效率等底层特征。此外，该体系还前瞻性地布局了未来的高级智能测试，聚焦全模态理解、长期记院发忆和自主学习等十项高级能力，为工业制造、基础科学和金融等重点行业提供了更深入的场景化评测。

为了更好地实布 施 “方升”3.0，信通院在多个方面加强了评测基础设施的建设。首先，他们计划扩容高质量测试数据资源，将新增“方300万条数据，以满足多语言、多任务和多场景的模型评测需求。其次，信通院将系统性研究和应用先进测试方法，升”集中解决大模型评测中的关键技术难题，比如高质量测试数据合成与质量评估。此外，信通院还将构建新一代智能评测基 3座，新增多智能体交互与环境感知的仿真测试环境，以满足复杂场景下的智能体协同交互和动态环境适应能力的评估.0需求。

从2024年开始，信通院将每两个月开展一次大模型基准测试活动。最新的一轮测试中，评估了141个大模型和7个 大智能体，涵盖了基础能力、推理能力、代码应用能力和多模态理解能力。测试结果显示，OpenAI 的 GPT-5在模型综合能力上继续领先，而国内的阿里巴巴 Qwen3-Max-Preview 和月之暗面的 Kimi K2表现不俗。在多模基准态模型的评测中，图像理解能力也取得了突破，但在复杂逻辑推理任务上还有待提升。

此外，代码应用能力的测试结果测试也显示，虽然在简单函数级任务中表现出色，但在真实项目开发中仍显短板。这也意味着国内外的技术竞争依然在加中国剧，智能体在多模态理解和复杂信息处理方面仍需努力。

信通院未来将继续强化大模型评测技术研发，提升评测的公信力信通与权威性，以支撑人工智能的前沿创新和新型工业化发展。