Tencent · pașaport de model

Hunyuan Standard

hunyuan-standard

Doar în cloud
Licență Proprietary
Lansat 2025-02-10(din numele modelului)

General · LMArena: 1,311#253 din 395
Cea mai bună percentilă: 36.2General
Poziția în cohortă: 40.7mediană 44.1

Ce spun datele

Evaluat pe 4 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 4,4 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 36.2 pct pe General față de 31.8 pct pe Programare.

General36.2 pct1,311Verifică →
Prompturi dificile33.9 pct1,310Verifică →
Urmarea instrucțiunilor33.2 pct1,281Verifică →
Programare31.8 pct1,331Verifică →
WebDev ArenaNeevaluat
Vision ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
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.

The hunyuan-standard-2025-02-10 model from tencent covers 4 of 27 axes with a composite shrinkage of 40.7 and a raw composite score of 33.8, without thin coverage.
pozițieVerifică →
The hunyuan-standard-2025-02-10 model from tencent has a standing of 40.7, which is below the cohort median standing of 44.1 across 148 models within an 180-day window.
cohortăVerifică →

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 →