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
BIRD (BIg Bench for LaRge-scale Database Grounded Text-to-SQLs) is a comprehensive text-to-SQL benchmark containing 12,751 question-SQL pairs across 95 databases (33.4 GB total) spanning 37+ professional domains. It evaluates large language models' ability to convert natural language to executable SQL queries in real-world scenarios with complex database schemas and dirty data.
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。
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 |
|---|---|---|---|---|---|
| Gemini 2.0 Flash-Lite | 0.574 | 未收录 | 未收录 | 2025-02-05 · model_announcement | LLM Stats |
| Gemini 2.0 Flash | 0.569 | 未收录 | 未收录 | 2024-12-01 · model_announcement | LLM Stats |
| Gemma 3 27B | 0.544 | 未收录 | 未收录 | 2025-03-12 · model_announcement | LLM Stats |
| Gemma 3 12B | 0.479 | 未收录 | 未收录 | 2025-03-12 · model_announcement | LLM Stats |
| Nemotron 3 Super (120B A12B) | 0.418 | 未收录 | 未收录 | 2026-03-11 · model_announcement | LLM Stats |
| Gemma 3 4B | 0.363 | 未收录 | 未收录 | 2025-03-12 · model_announcement | LLM Stats |
| Gemma 3 1B | 0.064 | 未收录 | 未收录 | 2025-03-12 · model_announcement | LLM Stats |