OneEval 是由OpenKG发起并组织的中立、公益、专业的大模型评测榜单。区别于多数聚焦于“LLM”基础能力评测的现有榜单，OneEval 更加侧重于 “大模型 + 知识库（LLM+KB）” 的融合能力评估，重点考察知识增强驱动下大模型的慢思维能力（即模型在复杂问题上的深度思考与分步推理能力）与神经符号混合推理能力（结合神经网络与符号逻辑的知识推理能力），助力大模型向“知识深、思维强”的方向持续演进。

随着大语言模型（LLMs）的快速发展，最新一代推理型模型（如 OpenAI o1、DeepSeek R1、Grok 3、Claude 3.7 Sonnet 等）在自然语言理解与推理任务中表现出显著进步。尽管已有多项研究[1-4]从不同维度对 LLM 能力展开评估，但这些评测体系主要集中在通用理解和基础推理层面，缺乏模型在处理多类型异构知识与跨领域复杂推理任务中的系统性评估。特别是在知识增强场景下，模型如何有效利用外部知识源进行高质量推理的能力评估仍是研究空白。

在此背景下，OpenKG 推出 OneEval，希望为知识增强场景下的大模型综合能力评估提供一个系统化框架。OneEval V1.0包含十个典型任务，涉及四类知识载体（文本、表格、知识图谱与代码）和六大关键领域（通用、医学、政务、科学、法律与编程），旨在深入衡量大模型对多种知识形态与多领域语境中的知识理解、知识利用与知识推理能力。