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
Phi-4	70.4%	Self-Reported
Gemini-1.5-Pro-002	70.3%	TIGER-Lab
Athene-V2-Chat	70.2%	TIGER-Lab
ERNIE-4.5-300B-A47B-Base	69.5%	Self-Reported
Qwen2.5-32B	69.2%	Self-Reported
SkyThought-T1	69.2%	Self-Reported
QwQ-32B	69.1%	TIGER-Lab
Gemini-1.5-Pro	69.0%	Self-Reported
Claude-3-Opus	68.5%	TIGER-Lab
Qwen3-235B-A22B	68.2%	Self-Reported
Mistral-Large-Instruct-2411	67.9%	TIGER-Lab
Gemma-3-27B-it	67.5%	Self-Reported
Hunyuan-A13B	67.3%	Self-Reported
Mistral-3.1-Small	66.8%	Sefl-Reported
General-Reasoner-14B	66.6%	Self-Reported
Mistral-Small-instruct	66.3%	Self-Reported
Llama-3.3-70B-Instruct	65.9%	TIGER-Lab
Mistral-Large-Instruct-2407	65.9%	TIGER-Lab
DeepSeek-Chat-V2_5	65.8%	TIGER-Lab
Nemotron-3-Nano-30B-A3B-Base	65.1%	Self-Reported

Mistral-Large-Instruct-2411

数据提供方：TIGER-Lab · 参数规模：123 B

总正确率: 67.9%
数学: 70.9%
计算机知识: 76.8%
物理: 66.0%
化学: 62.9%
生物: 83.7%
工程: 51.2%
经济: 76.4%
商业: 71.9%
健康: 74.6%
心理: 78.5%
法律: 50.4%
历史: 66.4%
哲学: 65.3%
其他: 70.7%

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