qwen3-4b
52.3%±3.0%
49.3%CI55.3%
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.318
- Ultima sincronizare
- 3 minacum 3 minute
Toate sursele se sincronizează normal
- Arena · Text· acum 6 ore
- Arena · WebDev· acum 6 ore
- Arena · Vision· acum 6 ore
- Arena · Agent· acum 6 ore
- GPQA Diamond· acum 3 minute
- SWE-bench· acum 3 minute
- Terminal-Bench· acum 3 minute
- ARC-AGI-2· acum 3 minute
Filtrează după organizație:
Lansat:
qwen3-4b-instruct-2507
45.8%±2.9%
43.0%CI48.7%
O singură grilă, toate coloanele. Alege axe din panoul Axe — o axă clasifică precum un singur clasament, mai multe se combină într-un scor compus ponderat, toate la un loc se citesc ca indexul. Locul este atribuit înaintea oricărui filtru și nu se renumerotează niciodată.
| Model | Organizație | ± CI | Oscilație | Adaugă la comparație | |||||
|---|---|---|---|---|---|---|---|---|---|
| 141 | qwen3-4b | Alibaba | — | — | 52.3% | 49.3%–55.3% | #273–493 | ||
| 163 | qwen3-4b-instruct-2507 | — | — | — | 45.8% | 43.0%–48.7% | #338–592 |
Se afișează GPQA Diamond exact așa cum a publicat-o sursa — propriul scor și interval de încredere, fără mix. Selectează o a doua axă ca să construiești un scor compus ponderat.