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
MLVU
A comprehensive benchmark for multi-task long video understanding that evaluates multimodal large language models on videos ranging from 3 minutes to 2 hours across 9 distinct tasks including reasoning, captioning, recognition, and summarization.
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
- multimodal
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 10
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 |
|---|---|---|---|---|---|
| Qwen3.7-Plus | 0.874 | 未收录 | 未收录 | 2026-05-31 · model_announcement | LLM Stats |
| Qwen3.5-122B-A10B | 0.873 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3.6 Plus | 0.867 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| Qwen3.6-27B | 0.866 | 未收录 | 未收录 | 2026-04-21 · model_announcement | LLM Stats |
| Qwen3.6-35B-A3B | 0.862 | 未收录 | 未收录 | 2026-04-16 · model_announcement | LLM Stats |
| Qwen3.5-27B | 0.859 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3.5-35B-A3B | 0.856 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Instruct | 0.843 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Thinking | 0.838 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen2.5 VL 7B Instruct | 0.702 | 未收录 | 未收录 | 2025-01-26 · model_announcement | LLM Stats |