TECHAGENT - MY AI LIFE

Benchmark Model AI

Standar: 36 · HF: 22

Tentang benchmark

Benchmark adalah uji terstandar yang menilai seberapa baik model AI dalam penalaran, pengetahuan, matematika, dan pemrograman. Gunakan untuk membandingkan model secara objektif dan memilih yang tepat untuk tugas Anda.

📊 Standar. Standar - empat benchmark publik paling banyak dikutip (MMLU, GPQA, HumanEval, SWE-Bench), diambil dari halaman pengumuman tiap model; Skor kami menggabungkannya menjadi satu angka.

🤗 HF Open LLM Leaderboard. HF Open LLM Leaderboard - enam tugas (IFEval, BBH, MATH, GPQA, MuSR, MMLU-Pro) yang diukur seragam untuk model open source; diurutkan berdasarkan Rata-rata.

📊 Standar (MMLU · GPQA · HumanEval · SWE-Bench)🤗 HF Open LLM Leaderboard
🤗

HF Open LLM Leaderboard v2

IFEval · BBH · MATH · GPQA · MuSR · MMLU-Pro

Buka di HF →
SemuaOpen SourceMeta (8)Alibaba/Qwen (5)Microsoft (3)
#Model↕Penyedia↕IFEval↕BBH↕MATH↕GPQA↕MuSR↕MMLU-Pro↕Rata-rata↓
1Alibaba/QwenQwen2.5 72B InstructOSSAlibaba/Qwen
86.4
61.9
59.8
16.7
11.7
51.4
48.0
2Alibaba/QwenQwen 2.5 72BOSSAlibaba/Qwen
86.4
61.9
59.8
16.7
11.7
51.4
48.0
3MetaLlama 3.3 70B Instruct (free)OSSMeta
90.0
56.6
48.3
10.5
15.6
48.1
44.9
4MetaLlama 3.1 70B InstructOSSMeta
86.7
55.9
38.1
14.2
17.7
47.9
43.4
5MetaLlama 3.1 70BOSSMeta
86.7
55.9
38.1
14.2
17.7
47.9
43.4
6MicrosoftPhi 4OSSMicrosoft
68.8
55.3
50.0
11.5
10.1
48.6
40.7
7Alibaba/QwenQwen2.5 Coder 32B InstructOSSAlibaba/Qwen
72.7
52.3
49.5
13.2
13.7
37.9
39.9
8Alibaba/QwenQwen 2.5 Coder 32BOSSAlibaba/Qwen
72.7
52.3
49.5
13.2
13.7
37.9
39.9
9Hermes 3 70B InstructOSSNousresearch
76.6
53.8
21.0
14.9
23.4
41.4
38.5
10GoogleGemma 2 27BOSSGoogle
79.8
49.3
23.9
16.7
9.1
38.4
36.2
11Alibaba/QwenQwen2.5 7B InstructOSSAlibaba/Qwen
75.8
34.9
50.0
5.5
8.4
36.5
35.2
12MicrosoftWizardLM-2 8x22BOSSMicrosoft
52.7
48.6
25.0
17.6
14.5
40.0
33.1
13MicrosoftPhi 4 Mini InstructOSSMicrosoft
73.8
38.7
17.0
7.9
6.5
32.6
29.4
14DeepSeekR1 Distill Llama 70BOSSDeepSeek
43.4
35.8
30.7
2.0
13.3
41.6
27.8
15MetaLlama 3.2 3B Instruct (free)OSSMeta
73.9
24.1
17.7
3.8
1.4
24.4
24.2
16MetaLlama 3.2 3BOSSMeta
73.9
24.1
17.7
3.8
1.4
24.4
24.2
17MetaLlama 3.1 8B InstructOSSMeta
50.6
29.2
15.5
9.5
8.5
30.9
24.0
18DeepSeekR1 Distill Qwen 32BOSSDeepSeek
41.9
17.1
17.1
4.6
16.1
41.0
23.0
19Hermes 2 Pro - Llama-3 8BOSSNousresearch
53.6
30.7
8.4
5.7
11.3
22.8
22.1
20MetaLlama 3.2 1B InstructOSSMeta
58.1
8.3
8.2
2.4
1.9
8.2
14.5
21MetaLlama 3 8B InstructOSSMeta
24.0
18.4
3.9
2.1
19.9
17.8
14.3
22Mistral AIMistral 7B Instruct v0.1OSSMistral AI
44.9
7.7
2.3
0.0
6.1
15.7
12.8
Rata-rata = IFEval · BBH · MATH · GPQA · MuSR · MMLU-ProSemua skor dalam % · lebih tinggi lebih baik