MMLU Redux
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentage
Resultados registrados
66
Puntuación media
81.47%
Rango de puntuaciones
43.20% - 94.90%
Modelo líder
94.90% - Qwen 3.5 397B A17B
Puntuaciones a lo largo del tiempo
Puntuaciones individuales de la evaluación a lo largo del tiempo.
Resultados de modelos
| Organización | Modelos | Fecha del resultado | Mejor puntuación | Información | Autodeclarado | Fuente |
|---|---|---|---|---|---|---|
| Qwen 3.5 397B A17B | 16 feb 2026 | 94,90 % | - | Sí | Fuente | |
| Qwen 3.6 Plus | 01 abr 2026 | 94,50 % | - | Sí | Fuente | |
| Kimi K2 Thinking | 06 nov 2025 | 94,40 % | inferred alias from kimi-k2-thinking-0905 | Sí | Fuente | |
| Qwen 3.5 122B A10B | 24 feb 2026 | 94 % | - | Sí | Fuente | |
| Qwen 3 235B A22B Thinking 2507 | - | 93,80 % | - | Sí | Fuente | |
| Qwen 3 VL 235B A22B Thinking | - | 93,70 % | - | Sí | - | |
| Qwen 3.5 35B A3B | 24 feb 2026 | 93,30 % | - | Sí | Fuente | |
| Qwen 3.5 27B | 24 feb 2026 | 93,20 % | - | Sí | Fuente | |
| Qwen 3.5 Flash | 23 feb 2026 | 93,20 % | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | Sí | Fuente | |
| Qwen 3 A235 A22B Instruct 2507 | - | 93,10 % | - | Sí | Fuente | |
| Kimi K2 (2025-09-05) | 05 sept 2025 | 92,70 % | EM | Sí | Fuente | |
| Qwen 3 Next 80B A3B Thinking | - | 92,50 % | - | Sí | Fuente | |
| EXAONE 4.0 32B | 15 jul 2025 | 92,30 % | Reasoning | Sí | Fuente | |
| Qwen 3 VL 235B A22B Instruct | - | 92,20 % | - | Sí | - | |
| Qwen 3 VL 32B Thinking | - | 91,90 % | - | Sí | - | |
| DeepSeek V3.1 | 21 ago 2025 | 91,80 % | Non-thinking: 91.8%, Thinking: 93.7% | Sí | Fuente | |
| DeepSeek V3.1 Terminus | 22 sept 2025 | 91,80 % | inferred alias from deepseek-v3.1 | Sí | Fuente | |
| Qwen 3.5 9B | 02 mar 2026 | 91,10 % | - | Sí | Fuente | |
| Qwen 3 Next 80B A3B Instruct | - | 90,90 % | - | Sí | Fuente | |
| Qwen 3 VL 30B A3B Thinking | - | 90,90 % | - | Sí | - | |
| Qwen 3 VL 32B Instruct | - | 89,80 % | - | Sí | - | |
| DeepSeek OCR | 20 oct 2025 | 89,10 % | inferred family alias from deepseek-v3 (score=0.3000; benches=20) | Sí | Fuente | |
| DeepSeek V2 (2024-06-28) | 28 jun 2024 | 89,10 % | inferred family alias from deepseek-v3 (score=0.4159; benches=20) | Sí | Fuente | |
| DeepSeek V4 | - | 89,10 % | inferred high-confidence family alias from deepseek-v3 (score=0.5818; benches=20) | Sí | Fuente | |
| Qwen 3 8B | - | 88,80 % | inferred high-confidence family alias from qwen3-vl-8b-thinking (score=0.4600; benches=50) | Sí | - |
