MMLU Redux
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentage
दर्ज परिणाम
66
औसत स्कोर
81.47%
स्कोर सीमा
43.20% - 94.90%
अग्रणी मॉडल
94.90% - Qwen 3.5 397B A17B
समय के साथ स्कोर
तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।
मॉडल परिणाम
| संगठन | मॉडल | रिपोर्ट किया गया | सबसे ऊँचा स्कोर | जानकारी | स्व-रिपोर्ट किया गया | स्रोत |
|---|---|---|---|---|---|---|
| Qwen 3.5 397B A17B | 16 फ़र॰ 2026 | 94.90% | - | हाँ | स्रोत | |
| Qwen 3.6 Plus | 01 अप्रैल 2026 | 94.50% | - | हाँ | स्रोत | |
| Kimi K2 Thinking | 06 नव॰ 2025 | 94.40% | inferred alias from kimi-k2-thinking-0905 | हाँ | स्रोत | |
| Qwen 3.5 122B A10B | 24 फ़र॰ 2026 | 94% | - | हाँ | स्रोत | |
| Qwen 3 235B A22B Thinking 2507 | - | 93.80% | - | हाँ | स्रोत | |
| Qwen 3 VL 235B A22B Thinking | - | 93.70% | - | हाँ | - | |
| Qwen 3.5 35B A3B | 24 फ़र॰ 2026 | 93.30% | - | हाँ | स्रोत | |
| Qwen 3.5 27B | 24 फ़र॰ 2026 | 93.20% | - | हाँ | स्रोत | |
| Qwen 3.5 Flash | 23 फ़र॰ 2026 | 93.20% | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | हाँ | स्रोत | |
| Qwen 3 A235 A22B Instruct 2507 | - | 93.10% | - | हाँ | स्रोत | |
| Kimi K2 (2025-09-05) | 05 सित॰ 2025 | 92.70% | EM | हाँ | स्रोत | |
| Qwen 3 Next 80B A3B Thinking | - | 92.50% | - | हाँ | स्रोत | |
| EXAONE 4.0 32B | 15 जुल॰ 2025 | 92.30% | Reasoning | हाँ | स्रोत | |
| Qwen 3 VL 235B A22B Instruct | - | 92.20% | - | हाँ | - | |
| Qwen 3 VL 32B Thinking | - | 91.90% | - | हाँ | - | |
| DeepSeek V3.1 | 21 अग॰ 2025 | 91.80% | Non-thinking: 91.8%, Thinking: 93.7% | हाँ | स्रोत | |
| DeepSeek V3.1 Terminus | 22 सित॰ 2025 | 91.80% | inferred alias from deepseek-v3.1 | हाँ | स्रोत | |
| Qwen 3.5 9B | 02 मार्च 2026 | 91.10% | - | हाँ | स्रोत | |
| Qwen 3 Next 80B A3B Instruct | - | 90.90% | - | हाँ | स्रोत | |
| Qwen 3 VL 30B A3B Thinking | - | 90.90% | - | हाँ | - | |
| Qwen 3 VL 32B Instruct | - | 89.80% | - | हाँ | - | |
| DeepSeek OCR | 20 अक्टू॰ 2025 | 89.10% | inferred family alias from deepseek-v3 (score=0.3000; benches=20) | हाँ | स्रोत | |
| DeepSeek V2 (2024-06-28) | 28 जून 2024 | 89.10% | inferred family alias from deepseek-v3 (score=0.4159; benches=20) | हाँ | स्रोत | |
| DeepSeek V4 | - | 89.10% | inferred high-confidence family alias from deepseek-v3 (score=0.5818; benches=20) | हाँ | स्रोत | |
| Qwen 3 8B | - | 88.80% | inferred high-confidence family alias from qwen3-vl-8b-thinking (score=0.4600; benches=50) | हाँ | - |
