参数量20B以上大模型03.13——CLiB大模型排行榜

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。

easyllm

1572人浏览 · 2025-03-29 14:15:00

easyllm · 2025-03-29 14:15:00 发布

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。

以下为排行榜：

输出价格单位：（元/M tok）

排名	大模型	机构	输出价格	总分
1	DeepSeek-R1	深度求索	16.00	86.90
2	qwq-32b(new)	阿里巴巴	6.00	83.70
3	qwq-32b-preview	阿里巴巴	7.00	77.00
4	DeepSeek-R1-Distill-Qwen-32B	深度求索	1.26	77.00
5	qwen2.5-72b-instruct	阿里巴巴	12.00	76.40
6	qwen2.5-32b-instruct	阿里巴巴	7.00	75.30
7	deepseek-chat-v3	深度求索	8.00	74.20
8	DeepSeek-R1-Distill-Llama-70B	深度求索	4.13	70.80
9	Meta-Llama-3.1-405B-Instruct	Meta	21.00	68.40
10	Llama-3.3-70B-Instruct	meta	4.13	66.80
11	qwen2.5-math-72b-instruct	阿里巴巴	12.00	66.50
12	Yi-1.5-34B-Chat	零一万物	1.26	66.10
13	Llama-3.3-70B-Instruct-fp8	meta	2.20	65.90
14	Llama-3.1-Nemotron-70B-Instruct-fp8	nvidia	2.20	65.60
15	Hermes-3-Llama-3.1-405B	NousResearch	5.80	65.20
16	gemma-2-27b-it	Google	1.26	57.30

医疗领域排行榜：

医疗领域目前囊括8个维度：医师考试-规培结业，医师考试-执业助理医师，医师考试-执业医师，医师考试-中级职称，医师考试-高级职称，护理考试-护士执业资格，护理考试-主管护师，护理考试-高级护师。其中规培结业含外科、皮肤科等18个方向，执业助理医师含临床执业助理医师、口腔执业助理医师等5个方向，执业医师含中西医结合执业医师、公共卫生执业医师等5个方向。

排名	大模型	机构	输出价格	医疗
1	DeepSeek-R1	深度求索	16.00	82.70
2	qwq-32b(new)	阿里巴巴	6.00	76.20
3	qwen2.5-72b-instruct	阿里巴巴	12.00	74.50
4	qwq-32b-preview	阿里巴巴	7.00	73.80
5	qwen2.5-32b-instruct	阿里巴巴	7.00	71.50
6	deepseek-chat-v3	深度求索	8.00	71.30
7	Meta-Llama-3.1-405B-Instruct	Meta	21.00	70.70
8	DeepSeek-R1-Distill-Qwen-32B	深度求索	1.26	70.00
9	Llama-3.1-Nemotron-70B-Instruct-fp8	nvidia	2.20	63.10
10	Llama-3.3-70B-Instruct-fp8	meta	2.20	62.40
11	Llama-3.3-70B-Instruct	meta	4.13	62.00
12	DeepSeek-R1-Distill-Llama-70B	深度求索	4.13	58.90
13	Hermes-3-Llama-3.1-405B	NousResearch	5.80	55.90
14	gemma-2-27b-it	Google	1.26	42.80
15	qwen2.5-math-72b-instruct	阿里巴巴	12.00	/
16	Yi-1.5-34B-Chat	零一万物	1.26	/

教育领域排行榜：

教育领域目前囊括4个维度：高考，高中各学科，初中各学科，小学各学科。

排名	大模型	机构	输出价格	教育
1	DeepSeek-R1	深度求索	16.00	94.30
2	qwq-32b(new)	阿里巴巴	6.00	91.60
3	DeepSeek-R1-Distill-Qwen-32B	深度求索	1.26	88.80
4	qwq-32b-preview	阿里巴巴	7.00	87.40
5	qwen2.5-32b-instruct	阿里巴巴	7.00	86.80
6	qwen2.5-72b-instruct	阿里巴巴	12.00	85.50
7	deepseek-chat-v3	深度求索	8.00	82.90
8	Yi-1.5-34B-Chat	零一万物	1.26	79.50
9	DeepSeek-R1-Distill-Llama-70B	深度求索	4.13	79.40
10	qwen2.5-math-72b-instruct	阿里巴巴	12.00	71.70
11	Llama-3.3-70B-Instruct	meta	4.13	70.20
12	Hermes-3-Llama-3.1-405B	NousResearch	5.80	70.10
13	Meta-Llama-3.1-405B-Instruct	Meta	21.00	69.10
14	Llama-3.3-70B-Instruct-fp8	meta	2.20	68.30
15	Llama-3.1-Nemotron-70B-Instruct-fp8	nvidia	2.20	67.20
16	gemma-2-27b-it	Google	1.26	63.70

法律领域排行榜：

法律领域目前囊括1个维度：JEC-QA律师资格考试。

排名	大模型	机构	输出价格	法律
1	DeepSeek-R1	深度求索	16.00	71.70
2	qwq-32b(new)	阿里巴巴	6.00	62.80
3	qwen2.5-32b-instruct	阿里巴巴	7.00	51.90
4	qwq-32b-preview	阿里巴巴	7.00	50.80
5	DeepSeek-R1-Distill-Qwen-32B	深度求索	1.26	49.20
6	qwen2.5-72b-instruct	阿里巴巴	12.00	49.10
7	deepseek-chat-v3	深度求索	8.00	39.50
8	Yi-1.5-34B-Chat	零一万物	1.26	38.90
9	Meta-Llama-3.1-405B-Instruct	Meta	21.00	37.40
10	DeepSeek-R1-Distill-Llama-70B	深度求索	4.13	35.20
11	Llama-3.1-Nemotron-70B-Instruct-fp8	nvidia	2.20	33.10
12	qwen2.5-math-72b-instruct	阿里巴巴	12.00	31.00
13	Llama-3.3-70B-Instruct	meta	4.13	29.40
14	Hermes-3-Llama-3.1-405B	NousResearch	5.80	29.40
15	Llama-3.3-70B-Instruct-fp8	meta	2.20	28.50
16	gemma-2-27b-it	Google	1.26	22.90

行政公务领域排行榜：

行政公务领域目前囊括1个维度：公务员考试。

排名	大模型	机构	输出价格	行政公务
1	DeepSeek-R1	深度求索	16.00	88.60
2	qwq-32b(new)	阿里巴巴	6.00	86.50
3	qwq-32b-preview	阿里巴巴	7.00	78.00
4	DeepSeek-R1-Distill-Llama-70B	深度求索	4.13	77.50
5	DeepSeek-R1-Distill-Qwen-32B	深度求索	1.26	76.20
6	deepseek-chat-v3	深度求索	8.00	72.70
7	qwen2.5-72b-instruct	阿里巴巴	12.00	71.70
8	qwen2.5-32b-instruct	阿里巴巴	7.00	70.00
9	qwen2.5-math-72b-instruct	阿里巴巴	12.00	68.00
10	Llama-3.3-70B-Instruct	meta	4.13	66.40
11	Llama-3.3-70B-Instruct-fp8	meta	2.20	64.80
12	Hermes-3-Llama-3.1-405B	NousResearch	5.80	64.70
13	Meta-Llama-3.1-405B-Instruct	Meta	21.00	64.20
14	Llama-3.1-Nemotron-70B-Instruct-fp8	nvidia	2.20	63.70
15	Yi-1.5-34B-Chat	零一万物	1.26	59.00
16	gemma-2-27b-it	Google	1.26	57.10

推理与数学计算领域排行榜：

推理与数学计算领域目前囊括6个维度：演绎推理，常识推理，符号推理BBH，算术能力，七八九年级数学，表格问答。

排名	大模型	机构	输出价格	推理与数学计算
1	qwq-32b(new)	阿里巴巴	6.00	94.30
2	DeepSeek-R1	深度求索	16.00	92.70
3	deepseek-chat-v3	深度求索	8.00	92.50
4	DeepSeek-R1-Distill-Qwen-32B	深度求索	1.26	90.10
5	qwen2.5-72b-instruct	阿里巴巴	12.00	89.30
6	DeepSeek-R1-Distill-Llama-70B	深度求索	4.13	88.80
7	qwq-32b-preview	阿里巴巴	7.00	87.40
8	Llama-3.3-70B-Instruct	meta	4.13	87.40
9	qwen2.5-math-72b-instruct	阿里巴巴	12.00	87.00
10	Llama-3.3-70B-Instruct-fp8	meta	2.20	86.60
11	Hermes-3-Llama-3.1-405B	NousResearch	5.80	85.60
12	Meta-Llama-3.1-405B-Instruct	Meta	21.00	85.00
13	qwen2.5-32b-instruct	阿里巴巴	7.00	84.20
14	Llama-3.1-Nemotron-70B-Instruct-fp8	nvidia	2.20	81.30
15	Yi-1.5-34B-Chat	零一万物	1.26	75.30
16	gemma-2-27b-it	Google	1.26	73.40

语言与指令遵从领域排行榜：

语言与指令遵从领域目前囊括10个维度：成语理解，情感分析，分类能力，信息抽取，阅读理解，C3中文阅读理解，代词理解CLUEWSC，诗词匹配CCPM，中文指令遵从。

排名	大模型	机构	输出价格	语言与指令遵从
1	DeepSeek-R1	深度求索	16.00	91.20
2	qwq-32b(new)	阿里巴巴	6.00	90.90
3	qwen2.5-72b-instruct	阿里巴巴	12.00	88.00
4	DeepSeek-R1-Distill-Qwen-32B	深度求索	1.26	87.70
5	qwen2.5-32b-instruct	阿里巴巴	7.00	87.60
6	deepseek-chat-v3	深度求索	8.00	86.60
7	Llama-3.1-Nemotron-70B-Instruct-fp8	nvidia	2.20	85.50
8	Llama-3.3-70B-Instruct	meta	4.13	85.40
9	Hermes-3-Llama-3.1-405B	NousResearch	5.80	85.40
10	Llama-3.3-70B-Instruct-fp8	meta	2.20	85.10
11	DeepSeek-R1-Distill-Llama-70B	深度求索	4.13	85.00
12	qwq-32b-preview	阿里巴巴	7.00	84.80
13	Meta-Llama-3.1-405B-Instruct	Meta	21.00	84.20
14	gemma-2-27b-it	Google	1.26	83.80
15	Yi-1.5-34B-Chat	零一万物	1.26	83.10
16	qwen2.5-math-72b-instruct	阿里巴巴	12.00	80.30

完整评测结果详见：https://github.com/jeinlee1991/chinese-llm-benchmark

往期文章

关于大模型评测EasyLLM

首创——行业首创百万级AI大模型错题本
最全——全球最全大模型产品评测平台，已囊括203个大模型
最新——月更各个大模型各项能力指标评测，输出排行榜
最方便——无需注册/梯子，国内外各个大模型可一键评测
结果可见——所有大模型评测的方法、题集、过程、得分结果，可见可追溯！

大模型评测EasyLLM目前已囊括203个大模型，覆盖chatgpt、gpt-4o、o3-mini、谷歌gemini、Claude3.5、智谱GLM-Zero、文心一言、qwen-max、百川、讯飞星火、商汤senseChat、minimax等商用模型，以及DeepSeek-R1、deepseek-v3、qwen2.5、llama3.3、phi-4、glm4、书生internLM2.5等开源大模型。不仅提供能力评分排行榜，也提供所有模型的原始输出结果，以及各个大模型不同维度、不同细分领域的评测错题本！

完整评测题集及结果详见：https://github.com/jeinlee1991/chinese-llm-benchmark

火山引擎 ADG 社区

火山引擎开发者社区是火山引擎打造的AI技术生态平台，聚焦Agent与大模型开发，提供豆包系列模型（图像/视频/视觉）、智能分析与会话工具，并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长，新用户可领50万Tokens权益，助力构建智能应用。

更多推荐

Chess用户界面设计：Tailwind CSS样式系统和组件库

GitHub推荐项目精选中的ch/chess是一个类似chess.com的多人在线象棋平台，它采用现代化的前端技术栈构建，尤其在用户界面设计上通过Tailwind CSS样式系统和组件库实现了优雅且功能丰富的交互体验。本文将深入探讨该项目如何利用Tailwind CSS打造一致的设计语言和高效的组件系统，为象棋爱好者提供沉浸式的游戏界面。## 🎨 Tailwind CSS样式系统：构建统一视

火山引擎 ADG 社区

终极指南：GPT-Engineer如何通过AI自动发现代码问题并提升质量

GPT-Engineer是一款强大的AI驱动代码工具，它能帮助开发者自动检测潜在代码问题、优化代码质量，让编程效率提升3倍以上。无论是新手还是资深开发者，都能通过这款工具轻松发现代码中的隐藏缺陷，减少调试时间，释放更多精力在创造性工作上。## 一键发现代码问题：GPT-Engineer的AI审查魔力GPT-Engineer的核心能力在于其内置的智能代码分析系统。通过集成Python代码格式

火山引擎 ADG 社区

SatDump中的纠错编码技术：从RS码到Turbo码的完整实现指南

在卫星数据传输过程中，信号往往会受到各种干扰，导致数据错误。SatDump作为一款通用卫星数据处理软件，集成了多种先进的纠错编码技术，确保从卫星接收到的数据能够准确解码。本文将深入解析SatDump中从Reed-Solomon（RS）码到Turbo码的实现细节，帮助读者理解这些技术如何保障卫星通信的可靠性。## 为什么纠错编码对卫星数据至关重要？卫星与地面站之间的通信链路面临着空间辐射、大