AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
CSimpleQA
Chinese SimpleQA is the first comprehensive Chinese benchmark to evaluate the factuality ability of language models to answer short questions. It contains 3,000 high-quality questions spanning 6 major topics with 99 diverse subtopics, designed to assess Chinese factual knowledge across humanities, science, engineering, culture, and society.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- text
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 8
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| DeepSeek-V4-Pro-Max | 0.844 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| Qwen3-235B-A22B-Instruct-2507 | 0.843 | 未收录 | 未收录 | 2025-07-22 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Instruct | 0.834 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| DeepSeek-V4-Flash-Max | 0.789 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| Kimi K2 Instruct | 0.784 | 未收录 | 未收录 | 2025-07-11 · model_announcement | LLM Stats |
| Kimi K2 Base | 0.776 | 未收录 | 未收录 | 2025-07-11 · model_announcement | LLM Stats |
| DeepSeek-V4-Flash-0423 | 0.732 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| DeepSeek-V3 | 0.648 | 未收录 | 未收录 | 2024-12-25 · model_announcement | LLM Stats |