Alibaba · pașaport de model
Qwen3 235b A22b Instruct
qwen3-235b-a22b-instruct- Ponderi deschise
- Licență Apache 2.0
- Lansat 2026-10-28(văzut prima dată pe LMArena (aproximativ))
- General · LMArena
- 1,422#130 din 469
- Cea mai bună percentilă
- 75.5Prompturi dificile
- Poziția în cohortă
- 61.0mediană 57.4
Ce spun datele
Evaluat pe 5 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Neuniform: 32,7 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 75.5 pct pe Prompturi dificile față de 42.8 pct pe Factuality Arena.
- Prompturi dificile75.5 pct1,447Verifică →
- Programare73.9 pct1,472Verifică →
- Urmarea instrucțiunilor73.6 pct1,414Verifică →
- General72.5 pct1,422Verifică →
- Factuality Arena42.8 pct1,431Verifică →
- 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
- 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.
Qwen3-235B-A22B-Instruct (2507) from alibaba covers 5 of 27 axes with a composite score of 67.6 and a shrunk score of 61, without thin coverage.
pozițieVerifică →Qwen3-235B-A22B-Instruct (2507) from alibaba holds a standing of 61, which is above the cohort median standing of 57.4 within a cohort size of 215 models over a window of 180 days.
cohortăVerifică →
In the sensitivity analysis for Qwen3-235B-A22B-Instruct (2507), ranks span from 94 to 331 across five templates, with a spread of 237 between Axat pe programare and Toate sursele.
oscilație a pozițieiVerifică →
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 →