TECHAGENT - MY AI LIFE

AI模型基准测试

标准: 36 · HF: 22

关于基准测试

基准测试是标准化测试，用于评估 AI 模型在推理、知识、数学和编程方面的表现。借助它们可以客观比较模型，并为任务选择合适的模型。

📊 标准. 标准 - 四个最常被引用的公开基准（MMLU、GPQA、HumanEval、SWE-Bench），取自各模型的发布页；我们的评分将其汇总为一个数值。

🤗 HF开放LLM排行榜. HF Open LLM Leaderboard - 对开源模型统一测量的六项任务（IFEval、BBH、MATH、GPQA、MuSR、MMLU-Pro），按平均分排名。

📊 标准 (MMLU · GPQA · HumanEval · SWE-Bench)🤗 HF开放LLM排行榜
🤗

HF Open LLM Leaderboard v2

IFEval · BBH · MATH · GPQA · MuSR · MMLU-Pro - 开源模型标准化任务测试。

在…打开 HF →
全部开源Meta (8)Alibaba/Qwen (5)Microsoft (3)
#模型↕提供商↕IFEval↕BBH↕MATH↕GPQA↕MuSR↕MMLU-Pro↕平均↓
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
平均 = IFEval · BBH · MATH · GPQA · MuSR · MMLU-Pro所有分数以%表示 · 越高越好