Sari la conținut

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

Benchmark-uri

Surse
8
Intrări urmărite
22.310
Ultima sincronizare
35 min
Toate sursele se sincronizează normal
  • Arena · Textacum 7 ore
  • Arena · WebDevacum 7 ore
  • Arena · Visionacum 7 ore
  • Arena · Agentacum 7 ore
  • GPQA Diamondacum 35 de minute
  • SWE-benchacum 35 de minute
  • Terminal-Benchacum 35 de minute
  • ARC-AGI-2acum 35 de minute

qwen3-30b-a3b-thinking

52±0

52interval53

Alibabaoscilație #352–#352

General ×1WebDev Arena ×1Vision Arena ×1Factuality Arena ×1Search Arena ×1Document Arena ×1Agent Arena ×1GPQA Diamond ×1AIME (matematică) ×1FrontierMath ×1SimpleQA Verified ×1ARC-AGI-2 ×1Humanity's Last Exam ×1SimpleBench ×1LiveBench ×1BFCL v4 (apelare de funcții) ×1inactivSWE-bench Verified (clasament live) ×1Terminal-Bench 4.0 ×1MMLU-Pro (Artificial Analysis) ×1LiveCodeBench (Artificial Analysis) ×1IFBench (Artificial Analysis) ×1Halucinații HHEM (Vectara) ×16 din 1034 modele
ModelOrganizațieIntervalOscilațieiiiiiiiiiiiiiiiiiiiiiiAdaugă la comparație
168Qwen3 30B A3B 2507 (Reasoning)alibaba——59.2 68.4Clasat 59.2 = (3 × 68.4 + 3 × 50) ÷ 6. 68.4 este percentila medie pe cele 3 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.—203/22———————————————————697858—
352qwen3-30b-a3b-thinkingAlibaba——52.2 58.8Clasat 52.2 = (1 × 58.8 + 3 × 50) ÷ 4. 58.8 este percentila medie pe cele 1 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.——1/22redusă———————————————59———————
400qwen3-30b-a3b-thinking-2507Alibabaiul. 2025$0.20 / $2.4050.4 51.0Clasat 50.4 = (2 × 51.0 + 3 × 50) ÷ 5. 51.0 este percentila medie pe cele 2 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.48–5212/22redusă#210–400———————5251—————————————
410qwen3-30b-a3b-instruct-2507alibabaiul. 2025$0.09 / $0.3050.2 50.3Clasat 50.2 = (4 × 50.3 + 3 × 50) ÷ 7. 50.3 este percentila medie pe cele 4 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.49–52244/22#123–41057——————3845——————62——————
453qwen3-30b-a3balibabaapr. 2025$0.12 / $0.5048.9 48.4Clasat 48.9 = (6 × 48.4 + 3 × 50) ÷ 9. 48.4 este percentila medie pe cele 6 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.48–50176/22#187–45342——————4345—————————595644—
481Qwen3 30B A3B 2507 Instructalibaba——48.3 46.7Clasat 48.3 = (3 × 46.7 + 3 × 50) ÷ 6. 46.7 este percentila medie pe cele 3 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.—363/22———————————————————595823—

Mixul este contractat după acoperire; scorul compus brut apare gri lângă el · O insignă „redusă” înseamnă că mai puțin de 3 clasamente au evaluat acest model

Puținele lucruri din AI și cuantic care au contat cu adevărat săptămâna asta — rezumate cinstit.

Un e-mail pe săptămână. Dezabonare dintr-un clic. Fără urmărire, fără partajare.