每月重新出卷的评测：SuperCLUE 2026 年 11 月榜单，19 个全球前沿模型同表

2026-11-08 · VIDRAFT AI Media

aillmbenchmarksevaluation

SuperCLUE 的分量来自哪里

来自两点：每月重新出卷，而且卷子不公开。

SuperCLUE 是 CLUE 的大模型版本。CLUE 自 2019 年起成为中文自然语言处理的基准榜单。在大语言模型评测中，SuperCLUE 是中国被引用最多的一套评测。它每月重建一套不公开的测试集，因此模型无法靠背诵已公开的题目往上走。评分维度有五个：智能体编程、数学与科学推理、幻觉控制、精确指令遵循、超长上下文。它把闭源商用模型与开放权重模型放进同一张表，这正是这份榜单可以跨阵营阅读的原因。

2026 年 11 月榜单覆盖 19 个前沿模型。以下分数由 SuperCLUE 在其 11 月不公开测试集上测得。

各维度第一

11 月没有任何一个模型通吃全部维度。各维度第一由两个商用模型分走，开放权重的第一则由三个不同模型在不同维度拿下。

最难的那个维度

数学与科学推理这一维度，区分的是接着模式往下写，还是把一道题真正做完。11 月的表如下。

Darwin-180B-RSI-R3 是开放权重第一，也是全部 19 个模型中的第二，与 GPT-6.1-Sol 相差 2.64 分，领先谷歌 Gemini-4-Argon、深度求索 V4.1-Flash、xAI Grok-4.7 和阿里巴巴 Qwen3.8-Max。它是榜单上唯一的韩国模型。

总指数怎么读

SuperCLUE 只给官方统计范围内的模型编号排名。国际模型在该列显示为短横线，这是分类方式，不是性能判定。因此显示分数与编号排名回答的是两个不同的问题。

按显示分数计，Darwin 在 19 个模型中列第 9，在开放权重模型中列第 5。

同样的专家，重建的推理

Darwin-180B-RSI 是 1800 亿参数的混合专家模型，每个 token 约激活 30 亿参数。它把每层 512 个路由专家从阿里巴巴 Qwen3.8-Flash-Next 按字节原样继承下来，只用递归自我改进重建了注意力层、线性注意力层和共享专家：模型自己出题、自己求解、校验答案，再用通过校验的解题轨迹更新自身权重。

两个模型都在这张榜单上，所以这个对比是直接的。

同样的知识存储，重建后的推理通路：最难维度上 15.79 分，总指数上六个位次。

在哪里核对，拿什么跑

榜单公开在 superclueai.com。权重在 Darwin-180B-RSI-R3，采用 Qwen 社区许可，允许商业使用。4 比特端侧版本 POCKET-Darwin-180B-GGUF 可在 32GB 内存的笔记本上从固态硬盘运行。

FAQ

这些分数是谁测的？ 由 SuperCLUE 在其 2026 年 11 月不公开测试集上测得。VIDRAFT 是该榜单上的受测模型方，不是评测的运营方。

每月不公开出卷为什么重要？ 公开题集会随时间渗入训练数据。每月重建卷子并保持不公开，分数才反映模型本身，而不是模型对题目的接触程度。

Darwin-180B-RSI-R3 是总榜第一吗？ 它在数学与科学推理维度是开放权重第一、全部 19 个模型中的第二。按显示总指数计为 19 个中第 9、开放权重中第 5。

为什么 Gemini、GPT 和 Darwin 的排名列是短横线？ 因为 SuperCLUE 只给官方统计范围内的模型编号。短横线标记这一分类，这些模型依然带着分数出现在每个维度的比较中。

权重用什么许可？ Qwen 社区许可 1.0，沿用其专家层来源模型的许可，允许商业使用。

延伸阅读

• Darwin-180B-RSI 在 SuperCLUE 数学与科学推理拿下开放权重第一
• VIDRAFT，2026 年 11 月 1 日至 8 日