科学地平线（SciHorizon），由中国科学院计算机网络信息中心研发，是国际首个面向 AI4Science（人工智能赋能科学）的 “数据 + 模型” 双维度综合评测平台中国科学院。

定位：专门衡量大模型在科研场景的能力，同时评估科研数据集是否适合 AI 大模型使用。

两大核心板块

1. 大模型科学领域能力评估（模型榜单）
覆盖数学、物理学、化学、生命科学、地球与空间科学五大学科，兼顾国内外开源、闭源大模型（DeepSeek、GPT、Gemini、通义千问等）中国科技云。
五大核心能力维度，拆解为 16 项细粒度评测指标：
知识：科学事实真实性、学科基础知识
理解：科学文献、概念、图表理解
推理：数值计算、公式推导、科研逻辑推理
多模态：图表、化学结构式、实验图像解析
价值观：学术诚信、科研伦理、拒绝编造虚假实验结果中国科技云
平台提供总榜、分学科榜单，支持模型横向对比，区分开源 / 闭源模型，输出科学任务综合得分。还设有科学大模型竞技场，可做盲测对比。

2. AI‑Ready 科学数据质量评估（数据榜单）
不只是评测大模型，同时评估科研数据集是否适配 AI 大模型：
从规范性、可用性、可解释性、合规性四大方向，15 个子维度打分，输出数据集 AI 就绪度报告，给出适用场景与优化建议，面向地球科学、生命科学、材料科学等科研数据集中国科技云。

平台特点
独特双评估视角：市面上绝大多数榜单只评测大模型；SciHorizon 同时评测模型 + 科研数据集，贴合 AI for Science 科研范式中国科技云。
面向真实科研场景：不是普通通用问答，侧重公式推导、图表解读、文献理解、科研伦理，面向科研人员。
国内权威第三方：中科院背景，具备科学数据第三方认证资质，评测基准面向国内科研需求，中文科学任务覆盖完善中国科技云。
支持多模态科学任务：解析化学结构图、实验图、天文 / 地学图像。

 局限性
只聚焦科学领域，不侧重日常对话、通用业务、法律金融等通用场景，不能用来选型通用业务大模型。
评测任务门槛高，普通消费级对话体验不在评测范围内。