中国信息通信研究院（以下简称“信通院”）近日宣布，其自主研发的“方升”人工智能基准测试体系已完成3.0版本升级，标志着我国AI评测能力迈入新阶段。此次升级不仅扩展了基础测试维度，更首次将全模态理解、长期记忆等十项高级智能能力纳入评测范围，为工业制造、金融科技、基础研究等领域提供了更具针对性的评估框架。
据介绍，3.0版本在原有评测体系基础上新增了模型底层特征评估模块，涵盖参数规模、推理效率等核心指标。针对未来AI发展方向，体系特别设计了高级智能测试单元，重点考察模型在复杂场景下的多模态交互、自主决策等能力。信通院相关负责人表示，这种分层设计既能反映当前技术水平，又能为前沿研究提供方向指引。
为保障评测结果的权威性，信通院同步推进了三大基础设施建设项目。首先是测试数据资源扩容，计划新增300万条涵盖多语言、多任务的标准化数据，以满足不同场景下的评测需求。其次是测试方法创新，重点攻关高质量数据合成、动态质量评估等关键技术。第三是构建智能评测基座，通过引入多智能体交互仿真环境，实现对复杂系统协同能力的精准评估。
在最新完成的季度评测中，141个大模型和7个智能体接受了全面检验。测试覆盖基础认知、逻辑推理、代码生成、多模态理解四大维度。结果显示，OpenAI的GPT-5在综合性能上保持领先，但国内模型表现可圈可点——阿里巴巴的Qwen3-Max-Preview和月之暗面的Kimi K2在特定场景下已接近国际先进水平。值得注意的是，多模态模型在图像识别领域取得突破，但在需要多步骤推理的任务中仍存在提升空间。
代码应用能力专项测试暴露出行业共性问题。虽然参评模型在简单函数实现上表现优异，但在真实项目开发中的架构设计、错误处理等方面明显不足。专家指出，这反映出当前AI工具从实验室到产业应用的转化过程中，仍需突破工程化能力瓶颈。
随着评测体系持续完善，信通院已建立双月评测机制，定期发布技术分析报告。相关负责人透露，下一步将重点加强评测标准国际化建设，通过与全球研究机构合作，推动中国AI评测体系获得更广泛的国际认可，为技术创新和产业升级提供有力支撑。
