C-Eval

核心功能

中文综合评测：13948道多项选择题，覆盖52个学科，评估中文大模型综合能力。

多学科覆盖：涵盖STEM（科学、技术、工程、数学）、人文、社会科学、其他等领域。

4个难度级别：题目分为4个难度级别，考察不同层次的认知能力。

评测榜单：提供模型排名，直观对比主流中文大模型的综合表现。

标准化答案：采用多项选择形式，结果可重复、可比较。

使用教程

1. 访问cevalbenchmark.com查看C-Eval评测说明。
2. 在榜单页查看主流模型的排名和分数。
3. 了解各学科、难度级别的具体表现。
4. 对比不同模型的中文综合能力。

优点

• 题目量大（13948道），覆盖52个学科，评估全面。
• 中文场景，贴合国内模型评测需求。
• 4个难度级别，层次分明。
• 多项选择形式，结果标准化、可重复。
• 是中文大模型评测的重要参考基准。

需要注意的地方

• 单项选择形式主要测知识和推理，对生成、创造能力考察有限。
• 榜单成绩依赖测试时的模型版本，会随模型迭代变化。
• 评测不能替代业务场景的实际测试。

适合谁用

需要选型中文大模型的开发者和企业、研究大模型能力的研究人员、关注模型进步的AI爱好者、学生和从业者。

定价

C-Eval是公开的评测基准，评测结果和榜单免费公开。

同类型产品对比

常见问题

C-Eval是什么

C-Eval是中文大模型综合评测基准，包含13948道多项选择题，覆盖52个学科，评估中文大模型综合能力。

C-Eval覆盖哪些学科

覆盖STEM、人文、社会科学等领域共52个学科，题目分4个难度级别。

C-Eval和MMLU有什么区别

C-Eval是中文评测基准，更贴合中文模型和场景；MMLU是英文多任务语言理解基准，国际通用，两者侧重点不同。

C-Eval的评测结果怎么看

在官网榜单可查看主流模型排名和各学科、难度级别的分数，用于对比模型中文综合能力。

C-Eval是谁构建的

由清华大学等机构的研究者构建，是中文大模型评测的重要基准之一。