新闻中心News

大模型谁最“可靠”？SuperCLUE-CPIF测评出炉，文心X1.1国内第一

作者：花韻仙語 | 点击: | 来源：花韻仙語

2110
2025

10月21日，中文精确指令遵循测评基准SuperCLUE-CPIF正式上线，文心X1.1以75.51分位列国产大模型榜首，在任务类型与指令数量两大维度的评估中均居国内首位，展现出其在真实生产场景中的突出应用潜力。此次测评共纳入包括GPT-5(high)、DeepSeek-V3.2-Exp-Thinking、Claude-Sonnet-4.5-Reasoning、Gemini-2.5-Pro在内的10款国内外主流大模型。SuperCLUE-CPIF聚焦于大型语言模型（LLM）在中文语境下对复杂、多...

10月21日，中文精确指令遵循测评基准superclue-cpif正式上线，文心x1.1以75.51分位列国产大模型榜首，在任务类型与指令数量两大维度的评估中均居国内首位，展现出其在真实生产场景中的突出应用潜力。

此次测评共纳入包括GPT-5(high)、DeepSeek-V3.2-Exp-Thinking、Claude-Sonnet-4.5-Reasoning、Gemini-2.5-Pro在内的10款国内外主流大模型。SuperCLUE-CPIF聚焦于大型语言模型（LLM）在中文语境下对复杂、多约束指令的精准执行能力，核心考察模型能

否将自然语言指令准确转化为完全符合各项要求的具体输出。

测评结果表明，在国产大模型阵营中，文心X1.1以75.51分领先，紧随其后的是得分为73.98分的DeepSeek-V3.2-Exp-Thinking和65.82分的Hunyuan-T1-20250822，分别位列第二和第三。

SuperCLUE-CPIF中文精确指令遵循测评总榜，文心X1.1位居国内第一

文心大模型X1基于文心4.5版本训练而成，是一款具备深度推理能力的思考型模型。升级至X1.1后，采用了迭代式混合强化学习训练架构：一方面通过混合强化学习同步提升通用任务与智能体任务表现；另一方面借助自蒸馏数据的循环生成与再训练，持续优化整体性能。

据悉，文心X1.1在应对高难度写作任务时，不仅能调用内在知识库或联网搜索获取准确信息，还能深入理解用户创意意图与具体需求，最终生成事实无误、结构清晰、逻辑严密且语言优美的内容。

在更复杂的长流程任务中，例如处理共享单车平台中不同等级用户提出的多样化问题，并叠加用户情绪状态等多重因素时，文心X1.1能够严格遵循业务逻辑进行规划，主动调用相关工具，并结合情感识别快速响应，实现全流程闭环服务，表现出高度自主性与完整性。

作为国内最早布局大模型研发与落地的企业之一，百度依托“芯片-框架-模型-应用”全栈自研技术体系，持续推进文心大模型的能力升级。得益于飞桨与文心的深度协同优化，文心大模型在能力扩展与运行效率方面持续提升。根据此前公开数据，相较于X1版本，文心X1.1在事实准确性上提升了34.8%，指令遵循能力提升12.5%，智能体行为能力提升9.6%。

源码地址：点击下载

欢迎光临，我们是一家专注中小型企业营销推广服务的公司！

专注企业电商网络营销推广！免费电商SEO诊断，你可信任的网络推广专家

大模型谁最“可靠”？SuperCLUE-CPIF测评出炉，文心X1.1国内第一