Chinese-SimpleQA知识

Chinese SimpleQA 是 OpenAI SimpleQA 的中文版本，包含大量中文事实性问题，覆盖历史、地理、科学、文化等领域。采用生成式评测，通过 LLM-as-Judge 判断答案正确性。测试模型的中文事实性知识准确性和幻觉率。

#	模型	得分 (%)	厂商	来源
1	Gemini 3.1 Pro	85.9	Google	DeepSeek-V4-Pro 技术报告
2	DeepSeek-V4-Pro	84.4	深度求索	DeepSeek-V4-Pro 技术报告
3	Qwen3-235B-A22B-Instruct-2507	84.3	阿里巴巴	Qwen3 2507 Hugging Face 模型卡
4	GPT-5.4	76.8	OpenAI	DeepSeek-V4-Pro 技术报告
5	Claude Opus 4.6	76.4	Anthropic	DeepSeek-V4-Pro 技术报告
6	Kimi-K2.6	75.9	月之暗面	DeepSeek-V4-Pro 技术报告
7	GLM-5.1	75	智谱AI	DeepSeek-V4-Pro 技术报告
8	DeepSeek-V3	68	深度求索	DeepSeek-R1 技术报告
9	DeepSeek-R1	63.7	深度求索	DeepSeek-R1 技术报告
10	GPT-4o	59.3	OpenAI	DeepSeek-V3 技术报告

Chinese SimpleQA 是 OpenAI SimpleQA 的中文版本，包含大量中文事实性问题，覆盖历史、地理、科学、文化等领域。采用生成式评测，通过 LLM-as-Judge 判断答案正确性。测试模型的中文事实性知识准确性和幻觉率。

#	模型	得分 (%)	厂商	来源
1	Gemini 3.1 Pro	85.9	Google	DeepSeek-V4-Pro 技术报告
2	DeepSeek-V4-Pro	84.4	深度求索	DeepSeek-V4-Pro 技术报告
3	Qwen3-235B-A22B-Instruct-2507	84.3	阿里巴巴	Qwen3 2507 Hugging Face 模型卡
4	GPT-5.4	76.8	OpenAI	DeepSeek-V4-Pro 技术报告
5	Claude Opus 4.6	76.4	Anthropic	DeepSeek-V4-Pro 技术报告
6	Kimi-K2.6	75.9	月之暗面	DeepSeek-V4-Pro 技术报告
7	GLM-5.1	75	智谱AI	DeepSeek-V4-Pro 技术报告
8	DeepSeek-V3	68	深度求索	DeepSeek-R1 技术报告
9	DeepSeek-R1	63.7	深度求索	DeepSeek-R1 技术报告
10	GPT-4o	59.3	OpenAI	DeepSeek-V3 技术报告