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

Alibaba · pașaport de model

Qwen2 5 Plus 1127

qwen2-5-plus-1127

Doar în cloud
Licență Proprietary
Lansat 2024-11-27(curatoriat)

General · LMArena: 1,315#248 din 396
Cea mai bună percentilă: 38.9Prompturi dificile
Poziția în cohortă: 43.1mediană 41.1

Ce spun datele

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

Neuniform: 1,8 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 38.9 pct pe Prompturi dificile față de 37.1 pct pe Urmarea instrucțiunilor.

Prompturi dificile38.9 pct1,326Verifică →
Programare38.1 pct1,356Verifică →
General37.6 pct1,315Verifică →
Urmarea instrucțiunilor37.1 pct1,294Verifică →
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.

qwen2.5-plus-1127 stands at 43.1 (raw mean 37.9) — measured on 4 of 27 axes.
pozițieșablonVerifică →
qwen2.5-plus-1127 stands at 43.1 versus a cohort median of 41.1 across 136 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 →