MMLU Redux
AI 基准测试结果和模型表现
类型: percentage
已记录的结果
66
平均分数
81.47%
分数范围
43.20% - 94.90%
领先模型
94.90% - Qwen 3.5 397B A17B
分数变化趋势
按日期绘制的单项基准测试分数。
模型结果
| 组织 | 模型 | 报告时间 | 最高分数 | 信息 | 自行报告 | 来源 |
|---|---|---|---|---|---|---|
| Qwen 3.5 397B A17B | 2026年2月16日 | 94.90% | - | 是 | 来源 | |
| Qwen 3.6 Plus | 2026年4月01日 | 94.50% | - | 是 | 来源 | |
| Kimi K2 Thinking | 2025年11月06日 | 94.40% | inferred alias from kimi-k2-thinking-0905 | 是 | 来源 | |
| Qwen 3.5 122B A10B | 2026年2月24日 | 94% | - | 是 | 来源 | |
| Qwen 3 235B A22B Thinking 2507 | - | 93.80% | - | 是 | 来源 | |
| Qwen 3 VL 235B A22B Thinking | - | 93.70% | - | 是 | - | |
| Qwen 3.5 35B A3B | 2026年2月24日 | 93.30% | - | 是 | 来源 | |
| Qwen 3.5 27B | 2026年2月24日 | 93.20% | - | 是 | 来源 | |
| Qwen 3.5 Flash | 2026年2月23日 | 93.20% | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | 是 | 来源 | |
| Qwen 3 A235 A22B Instruct 2507 | - | 93.10% | - | 是 | 来源 | |
| Kimi K2 (2025-09-05) | 2025年9月05日 | 92.70% | EM | 是 | 来源 | |
| Qwen 3 Next 80B A3B Thinking | - | 92.50% | - | 是 | 来源 | |
| EXAONE 4.0 32B | 2025年7月15日 | 92.30% | Reasoning | 是 | 来源 | |
| Qwen 3 VL 235B A22B Instruct | - | 92.20% | - | 是 | - | |
| Qwen 3 VL 32B Thinking | - | 91.90% | - | 是 | - | |
| DeepSeek V3.1 | 2025年8月21日 | 91.80% | Non-thinking: 91.8%, Thinking: 93.7% | 是 | 来源 | |
| DeepSeek V3.1 Terminus | 2025年9月22日 | 91.80% | inferred alias from deepseek-v3.1 | 是 | 来源 | |
| Qwen 3.5 9B | 2026年3月02日 | 91.10% | - | 是 | 来源 | |
| Qwen 3 Next 80B A3B Instruct | - | 90.90% | - | 是 | 来源 | |
| Qwen 3 VL 30B A3B Thinking | - | 90.90% | - | 是 | - | |
| Qwen 3 VL 32B Instruct | - | 89.80% | - | 是 | - | |
| DeepSeek OCR | 2025年10月20日 | 89.10% | inferred family alias from deepseek-v3 (score=0.3000; benches=20) | 是 | 来源 | |
| DeepSeek V2 (2024-06-28) | 2024年6月28日 | 89.10% | inferred family alias from deepseek-v3 (score=0.4159; benches=20) | 是 | 来源 | |
| DeepSeek V4 | - | 89.10% | inferred high-confidence family alias from deepseek-v3 (score=0.5818; benches=20) | 是 | 来源 | |
| Qwen 3 8B | - | 88.80% | inferred high-confidence family alias from qwen3-vl-8b-thinking (score=0.4600; benches=50) | 是 | - |
