MT-Bench
AI 基准测试结果和模型表现
类型: numericalCommunication
已记录的结果
17
平均分数
2.12
分数范围
0.09 - 8.61
领先模型
8.61 - Granite 4.1 30B
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 |
|---|---|---|---|---|---|---|
| Granite 4.1 30B | 2026年4月29日 | 8.61 | Avg | 是 | 来源 | |
| Granite 4.1 8B | 2026年4月29日 | 8.61 | Avg | 是 | 来源 | |
| Granite 4.1 3B | 2026年4月29日 | 7.57 | Avg | 是 | 来源 | |
| Qwen 72B | - | 0.94 | inferred family alias from qwen-2.5-72b-instruct (score=0.3060; benches=14) | 是 | 来源 | |
| Llama 3.3 Nemotron Super 49B v1 | 2025年3月18日 | 0.92 | - | 是 | 来源 | |
| Llama 3.3 Nemotron Super 49B V1.5 | - | 0.92 | inferred version-family alias from llama-3.3-nemotron-super-49b-v1 | 是 | 来源 | |
| DeepSeek V2.5 (2024-09-05) | 2024年9月05日 | 0.90 | inferred alias from deepseek-v2.5 | 是 | 来源 | |
| DeepSeek V2.5 (2024-12-10) | 2024年12月10日 | 0.90 | inferred alias from deepseek-v2.5 | 是 | 来源 | |
| Qwen 7B | - | 0.88 | inferred family alias from qwen-2.5-7b-instruct (score=0.3083; benches=14) | 是 | 来源 | |
| Mistral Large 2.1 | 2024年11月18日 | 0.86 | inferred version-family alias from mistral-large-2-2407 | 是 | 来源 | |
| Mistral OCR 2 | 2025年5月22日 | 0.86 | inferred family alias from mistral-large-2-2407 (score=0.3100; benches=5) | 是 | 来源 | |
| Qwen 2 Audio 7B | - | 0.84 | inferred modality/version alias from qwen2-7b-instruct | 是 | 来源 | |
| Qwen 2 Math 7B | - | 0.84 | inferred high-confidence family alias from qwen2-7b-instruct (score=0.4706; benches=14) | 是 | 来源 | |
| Llama 3.1 Nemotron Nano 4B V1.1 | - | 0.81 | inferred high-confidence family alias from llama-3.1-nemotron-nano-8b-v1 (score=0.5523; benches=7) | 是 | 来源 | |
| Llama 3.1 Nemotron Nano 8B V1 | 2025年3月18日 | 0.81 | - | 是 | 来源 | |
| Pixtral 12B | 2024年9月17日 | 0.77 | inferred version-family alias from pixtral-12b-2409 | 是 | 来源 | |
| Llama 3.1 Nemotron 70B Instruct | 2024年10月01日 | 0.09 | - | 是 | 来源 |
