Qwen · pașaport de model
Qwen3 4b Instruct 2507
qwen3-4b-instruct-2507- Cea mai bună percentilă
- 52.4BFCL v4 (apelare de funcții)
- Poziția după scorul compus
- 44.7contractat · 3/27 axe
Ce spun datele
Evaluat pe 3 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Neuniform: 25,7 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 52.4 pct pe BFCL v4 (apelare de funcții) față de 26.7 pct pe GPQA Diamond.
- BFCL v4 (apelare de funcții)Clasament inactiv52.4 pct35.7%Verifică →
- AIME (matematică)39 pct52.2%Verifică →
- GPQA Diamond26.7 pct45.8%Verifică →
- GeneralNeevaluat
- WebDev ArenaNeevaluat
- Vision ArenaNeevaluat
- Factuality ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- SimpleBenchNeevaluat
- LiveBenchNeevaluat
- 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
- ProgramareNeevaluat
- Urmarea instrucțiunilorNeevaluat
- Prompturi dificileNeevaluat
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.
qwen3-4b-instruct-2507 stands at 44.7 (raw mean 39.4) — measured on 3 of 27 axes.
qwen3-4b-instruct-2507 ranks between #338 and #592 across 3 built-in weightings — best under "Raționament", 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 →