Sari la conținut
aiqbench

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Allenai · pașaport de model

Olmo 3 32b Think

olmo-3-32b-think
  • Ponderi deschise
  • Licență Apache 2.0
  • 32.2B parametri
  • Lansat 2025-11-19(repo HF creat)
8/27axe acoperite
General · LMArena
1,306#259 din 396
Cea mai bună percentilă
72.1LiveCodeBench (Artificial Analysis)
Poziția în cohortă
44.1mediană 53.9

Ce spun datele

Evaluat pe 8 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai slabe axe

  • 2.3 pct — Factuality Arena (1,319)

Neuniform: 69,8 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 72.1 pct pe LiveCodeBench (Artificial Analysis) față de 2.3 pct pe Factuality Arena.

  • LiveCodeBench (Artificial Analysis)72.1 pct67.2%Verifică →
  • IFBench (Artificial Analysis)55.6 pct49.1%Verifică →
  • MMLU-Pro (Artificial Analysis)53.6 pct75.9%Verifică →
  • Prompturi dificile39.6 pct1,326Verifică →
  • Programare39.1 pct1,360Verifică →
  • Urmarea instrucțiunilor37.9 pct1,298Verifică →
  • General34.8 pct1,306Verifică →
  • Factuality Arena2.3 pct1,319Verifică →
  • WebDev ArenaNeevaluat
  • Vision 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
  • 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

Repositoryallenai/Olmo-3-32B-Think
Parametri32.2B
ArhitecturăOlmo3ForCausalLM
LicențăApache 2.0

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "allenai/Olmo-3-32B-Think"
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.

  • olmo-3-32b-think stands at 44.1 (raw mean 41.9) — measured on 8 of 27 axes.

    pozițieșablonVerifică →

  • olmo-3-32b-think stands at 44.1 versus a cohort median of 53.9 across 128 models released within 180 days — below the peer median.

    cohortășablonVerifică →

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 →