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
Aya-Expanse-32B	45.4%	TIGER-Lab
Gemma-2-9B	45.1%	TIGER-Lab
Qwen2.5-7B	45.0%	Self-Reported
Mistral-Nemo-Instruct-2407	44.8%	TIGER-Lab
Llama-3.1-8B-Instruct	44.3%	TIGER-Lab
Nemotron-H-8B-Base	44.0%	Self-Reported
Phi3-mini-128k	43.9%	TIGER-Lab
Qwen2.5-3B	43.7%	Self-Reported
Gemma-3-4B-it	43.6%	Self-Reported
MAmmoTH2-8B-Plus	43.4%	TIGER-Lab
Mixtral-8x7B-Instruct-v0.1	43.3%	TIGER-Lab
Yi-34B	43.0%	TIGER-Lab
Claude-3-Haiku-20240307	42.3%	TIGER-Lab
Mathstral-7B-v0.1	42.0%	TIGER-Lab
Mimo-7B-base	41.9%	Self-Reported
DeepSeek-Coder-V2-Lite-Instruct	41.6%	TIGER-Lab
Granite-3.1-8B-Instruct	41.0%	TIGER-Lab
Mixtral-8x7B-v0.1	41.0%	TIGER-Lab
Llama-3-8B-Instruct	41.0%	TIGER-Lab
MAmmoTH2-7B-Plus	40.8%	TIGER-Lab

数据提供方：Self-Reported · 参数规模：3 B

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。