AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
BIG-Bench Hard
BIG-Bench Hard (BBH) is a subset of 23 challenging BIG-Bench tasks selected because prior language model evaluations did not outperform average human-rater performance. The benchmark contains 6,511 evaluation examples testing various forms of multi-step reasoning including arithmetic, logical reasoning (Boolean expressions, logical deduction), geometric reasoning, temporal reasoning, and language understanding. Tasks require capabilities such as causal judgment, object counting, navigation, pattern recognition, and complex problem solving.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- text
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 21
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Claude 3.5 Sonnet | 0.931 | 未收录 | 未收录 | 2024-10-22 · model_announcement | LLM Stats |
| Claude 3.5 Sonnet | 0.931 | 未收录 | 未收录 | 2024-06-21 · model_announcement | LLM Stats |
| Gemini 1.5 Pro | 0.892 | 未收录 | 未收录 | 2024-05-01 · model_announcement | LLM Stats |
| Gemma 3 27B | 0.876 | 未收录 | 未收录 | 2025-03-12 · model_announcement | LLM Stats |
| Claude 3 Opus | 0.868 | 未收录 | 未收录 | 2024-02-29 · model_announcement | LLM Stats |
| Gemma 3 12B | 0.857 | 未收录 | 未收录 | 2025-03-12 · model_announcement | LLM Stats |
| Gemini 1.5 Flash | 0.855 | 未收录 | 未收录 | 2024-05-01 · model_announcement | LLM Stats |
| Claude 3 Sonnet | 0.829 | 未收录 | 未收录 | 2024-02-29 · model_announcement | LLM Stats |
| Phi-3.5-MoE-instruct | 0.791 | 未收录 | 未收录 | 2024-08-23 · model_announcement | LLM Stats |
| Claude 3 Haiku | 0.737 | 未收录 | 未收录 | 2024-03-13 · model_announcement | LLM Stats |
| Gemma 3 4B | 0.722 | 未收录 | 未收录 | 2025-03-12 · model_announcement | LLM Stats |
| Phi 4 Mini | 0.704 | 未收录 | 未收录 | 2025-02-01 · model_announcement | LLM Stats |
| Granite 3.3 8B Base | 0.6913 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| Granite 3.3 8B Instruct | 0.6913 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| Phi-3.5-mini-instruct | 0.69 | 未收录 | 未收录 | 2024-08-23 · model_announcement | LLM Stats |
| IBM Granite 4.0 Tiny Preview | 0.557 | 未收录 | 未收录 | 2025-05-02 · model_announcement | LLM Stats |
| Gemma 3n E4B | 0.529 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E4B Instructed LiteRT Preview | 0.529 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Gemma 3n E2B | 0.443 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E2B Instructed LiteRT (Preview) | 0.443 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Gemma 3 1B | 0.391 | 未收录 | 未收录 | 2025-03-12 · model_announcement | LLM Stats |