DeepSeek · pașaport de model
DeepSeek LLM 67b Chat
deepseek-llm-67b-chat- Ponderi deschise
- Licență DeepSeek License
- Lansat 2023-11-29(curatoriat)
- General · LMArena
- 1,185#333 din 396
- Cea mai bună percentilă
- 16.2General
- Poziția în cohortă
- 24.1mediană 29.3
Ce spun datele
Evaluat pe 6 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai slabe axe
- 4 pct — AIME (matematică) (0.8%)
- 4.5 pct — GPQA Diamond (24.6%)
- 13.1 pct — Prompturi dificile (1,176)
Neuniform: 12,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 16.2 pct pe General față de 4 pct pe AIME (matematică).
- General16.2 pct1,185Verifică →
- Urmarea instrucțiunilor15.2 pct1,158Verifică →
- Programare14.3 pct1,218Verifică →
- Prompturi dificile13.1 pct1,176Verifică →
- GPQA Diamond4.5 pct24.6%Verifică →
- AIME (matematică)4 pct0.8%Verifică →
- WebDev ArenaNeevaluat
- Vision ArenaNeevaluat
- Factuality ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- SimpleBenchNeevaluat
- LiveBenchNeevaluat
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- MMLU-Pro (Artificial Analysis)Neevaluat
- LiveCodeBench (Artificial Analysis)Neevaluat
- IFBench (Artificial Analysis)Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
Cum îl rulezi
Rulează-l singur
Transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "deepseek-ai/deepseek-llm-67b-chat"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)Ollama
Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →
Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →
Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.
deepseek-llm-67b-chat stands at 24.1 (raw mean 11.2) — measured on 6 of 27 axes.
deepseek-llm-67b-chat stands at 24.1 versus a cohort median of 29.3 across 81 models released within 180 days — below the peer median.
deepseek-llm-67b-chat scores in the 4th percentile on AIME (matematică).
deepseek-llm-67b-chat scores at percentile 4.5 on GPQA Diamond.
deepseek-llm-67b-chat ranks between #347 and #1,010 across 5 built-in weightings — best under "Axat pe programare", worst under "Toate sursele".
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →