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
LiveBench 20241125
LiveBench is a challenging, contamination-limited LLM benchmark that addresses test set contamination by releasing new questions monthly based on recently-released datasets, arXiv papers, news articles, and IMDb movie synopses. It comprises tasks across math, coding, reasoning, language, instruction following, and data analysis with verifiable, objective ground-truth answers.
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 14
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 |
|---|---|---|---|---|---|
| Qwen3 VL 235B A22B Thinking | 0.796 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3-235B-A22B-Thinking-2507 | 0.784 | 未收录 | 未收录 | 2025-07-25 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Thinking | 0.766 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Instruct | 0.758 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| Qwen3-235B-A22B-Instruct-2507 | 0.754 | 未收录 | 未收录 | 2025-07-22 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Instruct | 0.748 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 32B Thinking | 0.747 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 32B Instruct | 0.722 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 30B A3B Thinking | 0.721 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 8B Thinking | 0.698 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 4B Thinking | 0.684 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 30B A3B Instruct | 0.654 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 8B Instruct | 0.62 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 4B Instruct | 0.609 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |