DeepSeek · pașaport de model
DeepSeek R1 Distill Qwen 14b
deepseek-r1-distill-qwen-14b- Cea mai bună percentilă
- 47.9MMLU-Pro (Artificial Analysis)
- Poziția după scorul compus
- 39.2contractat · 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
- 5.2 pct — IFBench (Artificial Analysis) (22.1%)
Neuniform: 42,7 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 47.9 pct pe MMLU-Pro (Artificial Analysis) față de 5.2 pct pe IFBench (Artificial Analysis).
- MMLU-Pro (Artificial Analysis)47.9 pct74.0%Verifică →
- LiveCodeBench (Artificial Analysis)46.9 pct37.6%Verifică →
- AIME (matematică)38 pct50.6%Verifică →
- GPQA Diamond25.8 pct44.7%Verifică →
- IFBench (Artificial Analysis)5.2 pct22.1%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-Distill-Qwen-14B stands at 39.2 (raw mean 32.8) — measured on 5 of 27 axes.
DeepSeek-R1-Distill-Qwen-14B scores at percentile 5.2 on IFBench (Artificial Analysis).
DeepSeek-R1-Distill-Qwen-14B ranks between #347 and #812 across 3 built-in weightings — best under "Universal", 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 →