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
MMBench
A bilingual benchmark for assessing multi-modal capabilities of vision-language models through multiple-choice questions in both English and Chinese, providing systematic evaluation across diverse vision-language tasks with robust metrics.
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 9
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 |
|---|---|---|---|---|---|
| Step3-VL-10B | 0.918 | 未收录 | 未收录 | 2026-01-15 · model_announcement | LLM Stats |
| Qwen2.5 VL 72B Instruct | 0.88 | 未收录 | 未收录 | 2025-01-26 · model_announcement | LLM Stats |
| Phi-4-multimodal-instruct | 0.867 | 未收录 | 未收录 | 2025-02-01 · model_announcement | LLM Stats |
| Qwen2-VL-72B-Instruct | 0.865 | 未收录 | 未收录 | 2024-08-29 · model_announcement | LLM Stats |
| Qwen2.5 VL 7B Instruct | 0.843 | 未收录 | 未收录 | 2025-01-26 · model_announcement | LLM Stats |
| Phi-3.5-vision-instruct | 0.819 | 未收录 | 未收录 | 2024-08-23 · model_announcement | LLM Stats |
| DeepSeek VL2 Small | 0.803 | 未收录 | 未收录 | 2024-12-13 · model_announcement | LLM Stats |
| DeepSeek VL2 | 0.796 | 未收录 | 未收录 | 2024-12-13 · model_announcement | LLM Stats |
| DeepSeek VL2 Tiny | 0.692 | 未收录 | 未收录 | 2024-12-13 · model_announcement | LLM Stats |