DeepSeek · pașaport de model
DeepSeek R1 0528 Qwen3 8b
deepseek-r1-0528-qwen3-8b- Cea mai bună percentilă
- 56.9LiveCodeBench (Artificial Analysis)
- Poziția după scorul compus
- 36.7contractat · 5/27 axe
Ce spun datele
Evaluat pe 5 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai slabe axe
- 0.5 pct — GPQA Diamond (9.3%)
- 2.5 pct — IFBench (Artificial Analysis) (19.9%)
Neuniform: 56,4 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 56.9 pct pe LiveCodeBench (Artificial Analysis) față de 0.5 pct pe GPQA Diamond.
- LiveCodeBench (Artificial Analysis)56.9 pct51.3%Verifică →
- MMLU-Pro (Artificial Analysis)47.6 pct73.9%Verifică →
- AIME (matematică)36 pct43.9%Verifică →
- IFBench (Artificial Analysis)2.5 pct19.9%Verifică →
- GPQA Diamond0.5 pct9.3%Verifică →
- GeneralNeevaluat
- 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
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
- ProgramareNeevaluat
- Urmarea instrucțiunilorNeevaluat
- Prompturi dificileNeevaluat
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.
deepseek-r1-0528-qwen3-8b stands at 36.7 (raw mean 28.7) — measured on 5 of 27 axes.
deepseek-r1-0528-qwen3-8b scores at percentile 0.5 on GPQA Diamond.
deepseek-r1-0528-qwen3-8b scores at percentile 2.5 on IFBench (Artificial Analysis).
deepseek-r1-0528-qwen3-8b ranks between #465 and #919 across 3 built-in weightings — best under "Raționament", 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 →