Alibaba · pașaport de model
Qwen Max 0919
qwen-max-0919- Ponderi deschise
- Licență Qwen
- Lansat 2024-09-19(curatoriat)
- General · LMArena
- 1,318#243 din 396
- Cea mai bună percentilă
- 39.4Urmarea instrucțiunilor
- Poziția în cohortă
- 43.0mediană 38.1
Ce spun datele
Evaluat pe 4 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Neuniform: 3 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 39.4 pct pe Urmarea instrucțiunilor față de 36.4 pct pe Prompturi dificile.
- Urmarea instrucțiunilor39.4 pct1,301Verifică →
- General38.9 pct1,318Verifică →
- Programare36.6 pct1,352Verifică →
- Prompturi dificile36.4 pct1,318Verifică →
- 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.
qwen-max-0919 stands at 43 (raw mean 37.8) — measured on 4 of 27 axes.
qwen-max-0919 stands at 43 versus a cohort median of 38.1 across 133 models released within 180 days — above the peer median.
qwen-max-0919 ranks between #230 and #514 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 →