专业知识库与评测机构：SuperCLUE
专业知识库与评测机构 · SuperCLUE。中文大模型月度原创新题榜单。本来源共收录 4 条已通过本类收录机制的资料，均可直接跳转到原始来源。
本类权威分层：A2–B。收录机制：核心资料全收；按各二级来源自身的数据库、方法、版本与榜单结构收录，不设跨机构统一评分机制。
SuperCLUE 通用榜
按推理、科学、代码与智能体编程、指令遵循、幻觉控制和任务规划等维度更新中文模型榜单。
证据用途：支持中文模型在其当期题集和权重下的维度得分与相对位置。
使用边界：题目和权重会调整；跨期分数不能直接比较
关联概念：model-evaluation
链接复核时间：2026-09-24
SuperCLUE 大模型评测体系
概述通用模型、多模态、智能体和行业模型等评测方向及官方榜单入口。
证据用途：支持 SuperCLUE 的评测范围和产品结构说明。
使用边界：概览页不替代具体榜单方法；部分服务带商业评测属性
关联概念：model-evaluation · agent
链接复核时间：2026-09-24
SuperCLUE Agent Benchmark 2025H1
评估中文场景下智能体的规划、工具使用和任务完成能力。
证据用途：支持中文智能体的版本化综合比较。
使用边界：榜单题集和权重会随版本调整；跨版本分数不可直接比较
关联概念：agent · model-evaluation
链接复核时间：2026-09-24
AgentCLUE-Mobile
面向移动应用真实操作任务评估智能体感知、规划与执行。
证据用途：支持移动端 GUI 智能体能力比较。
使用边界：榜单题集和权重会随版本调整；跨版本分数不可直接比较
关联概念：agent · model-evaluation
链接复核时间：2026-09-24