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

Alibaba · pașaport de model

Qwen2 5 Max

qwen2-5-max

Doar în cloud
Licență Proprietary
Lansat 2025-01-29(curatoriat)

General · LMArena: 1,374#180 din 396
Cea mai bună percentilă: 61.5LiveBench
Poziția în cohortă: 52.6mediană 43.0

Ce spun datele

Evaluat pe 7 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 14,9 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 61.5 pct pe LiveBench față de 46.6 pct pe LiveCodeBench (Artificial Analysis).

LiveBench61.5 pct60.0%Verifică →
General54.8 pct1,374Verifică →
MMLU-Pro (Artificial Analysis)54.7 pct76.2%Verifică →
Prompturi dificile54 pct1,385Verifică →
Urmarea instrucțiunilor53.5 pct1,356Verifică →
Programare50.9 pct1,402Verifică →
LiveCodeBench (Artificial Analysis)46.6 pct35.9%Verifică →
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
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
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.

qwen2.5-max stands at 52.6 (raw mean 53.7) — measured on 7 of 27 axes.
pozițieșablonVerifică →
qwen2.5-max stands at 52.6 versus a cohort median of 43 across 139 models released within 180 days — above 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 →