返回近期模型评测

历史专项测试

历史数据存档。查看近期模型，请返回模型能力评测。

知识与推理 · MMLU-Pro

记录保留原模型配置与数据提供方；计算机知识分项衡量知识，不是代码项目完成率。

数据更新：2026/03/11接入核查：2026/10/10262 条来源记录原始数据 · Apache-2.0

262 条 · 按总正确率降序缺测记为 —

总正确率成绩，按该分项排序
模型／配置	总正确率	数据提供方
Qwen2-7B	40.7%	TIGER-Lab
Mistral-Nemo-Base-2407	39.8%	TIGER-Lab
WizardLM-2-8x22B	39.2%	TIGER-Lab
EXAONE-3.5-2.4B-Instruct	39.1%	TIGER-Lab
Yi-1.5-6B-Chat	38.2%	TIGER-Lab
Qwen1.5-14B-Chat	38.0%	TIGER-Lab
Ministral-8B-Instruct-2410	37.9%	TIGER-Lab
c4ai-command-r-v01	37.9%	TIGER-Lab
Staring-7B	37.9%	TIGER-Lab
Llama-2-70B	37.5%	TIGER-Lab
OpenChat-3.5-8B	37.2%	TIGER-Lab
InternMath-20B-Plus	37.1%	TIGER-Lab
LLaDA	37.0%	Self-Reported
LLaDA	37.0%	Self-Reported
Llama3-Smaug-8B	36.9%	TIGER-Lab
Llama-3.1-8B	36.6%	TIGER-Lab
Llama-3-8B	35.4%	TIGER-Lab
DeepseekMath-7B-Instruct	35.3%	TIGER-Lab
DeepSeek-Coder-V2-Lite-Base	34.4%	TIGER-Lab
Aya-Expanse-8B	33.7%	TIGER-Lab

EXAONE-3.5-2.4B-Instruct

数据提供方：TIGER-Lab · 参数规模：2.4 B

总正确率: 39.1%
数学: 43.2%
计算机知识: 44.1%
物理: 34.7%
化学: 31.7%
生物: 65.4%
工程: 31.7%
经济: 52.6%
商业: 39.4%
健康: 38.5%
心理: 50.4%
法律: 25.0%
历史: 37.3%
哲学: 30.3%
其他: 33.9%

查看该版本原始成绩文件

来源、版本与使用范围

数据版本：4623b7c68d2276218d487464b0608dc978f4b301

来源许可证：Apache-2.0。模型自身许可证与成绩文件许可证分别核对。本页未运行模型评测；不同来源或配置记录不合并，价格未提供。

固定版本数据文件