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
MMLU-Redux
An improved version of the MMLU benchmark featuring manually re-annotated questions to identify and correct errors in the original dataset. Provides more reliable evaluation metrics for language models by addressing dataset quality issues found in the original MMLU.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 2024-06-06
- 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 48
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 Max | 0.95 | 未收录 | 未收录 | 2026-05-19 · model_announcement | LLM Stats |
| Qwen3.5-397B-A17B | 0.949 | 未收录 | 未收录 | 2026-02-16 · model_announcement | LLM Stats |
| Qwen3.7-Plus | 0.945 | 未收录 | 未收录 | 2026-05-31 · model_announcement | LLM Stats |
| Qwen3.6 Plus | 0.945 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| Kimi K2-Thinking-0905 | 0.944 | 未收录 | 未收录 | 2025-09-05 · model_announcement | LLM Stats |
| Qwen3.5-122B-A10B | 0.94 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3-235B-A22B-Thinking-2507 | 0.938 | 未收录 | 未收录 | 2025-07-25 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Thinking | 0.937 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3.6-27B | 0.935 | 未收录 | 未收录 | 2026-04-21 · model_announcement | LLM Stats |
| DeepSeek-R1-0528 | 0.934 | 未收录 | 未收录 | 2025-05-28 · model_announcement | LLM Stats |
| Qwen3.6-35B-A3B | 0.933 | 未收录 | 未收录 | 2026-04-16 · model_announcement | LLM Stats |
| Qwen3.5-35B-A3B | 0.933 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3.5-27B | 0.932 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3-235B-A22B-Instruct-2507 | 0.931 | 未收录 | 未收录 | 2025-07-22 · model_announcement | LLM Stats |
| MiMo-V2.5-Pro | 0.928 | 未收录 | 未收录 | 2026-04-27 · model_announcement | LLM Stats |
| Kimi K2-Instruct-0905 | 0.927 | 未收录 | 未收录 | 2025-09-05 · model_announcement | LLM Stats |
| Kimi K2 Instruct | 0.927 | 未收录 | 未收录 | 2025-07-11 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Thinking | 0.925 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Instruct | 0.922 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 32B Thinking | 0.919 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| DeepSeek-V3.1 | 0.918 | 未收录 | 未收录 | 2025-01-10 · model_announcement | LLM Stats |
| Qwen3.5-9B | 0.911 | 未收录 | 未收录 | 2026-03-02 · model_announcement | LLM Stats |
| Qwen3 VL 30B A3B Thinking | 0.909 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Instruct | 0.909 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| Qwen3 VL 32B Instruct | 0.898 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| LongCat-Flash-Thinking | 0.893 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| DeepSeek-V3 | 0.891 | 未收录 | 未收录 | 2024-12-25 · model_announcement | LLM Stats |
| Qwen3.5-4B | 0.888 | 未收录 | 未收录 | 2026-03-02 · model_announcement | LLM Stats |
| Qwen3 VL 8B Thinking | 0.888 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 30B A3B Instruct | 0.884 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 235B A22B | 0.874 | 未收录 | 未收录 | 2025-04-29 · model_announcement | LLM Stats |
| Qwen2.5 72B Instruct | 0.868 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Qwen3 VL 4B Thinking | 0.86 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 8B Instruct | 0.849 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen2.5 32B Instruct | 0.839 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Ministral 3 (14B Base 2512) | 0.82 | 未收录 | 未收录 | 2025-12-04 · model_announcement | LLM Stats |
| Mistral Large 3 | 0.82 | 未收录 | 未收录 | 2025-09-01 · model_announcement | LLM Stats |
| Qwen3 VL 4B Instruct | 0.815 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen2.5 14B Instruct | 0.8 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Qwen3.5-2B | 0.796 | 未收录 | 未收录 | 2026-03-02 · model_announcement | LLM Stats |
| Ministral 3 (8B Base 2512) | 0.793 | 未收录 | 未收录 | 2025-12-04 · model_announcement | LLM Stats |
| Qwen2.5-Coder 32B Instruct | 0.775 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Qwen2.5 7B Instruct | 0.754 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Ministral 3 (3B Base 2512) | 0.735 | 未收录 | 未收录 | 2025-12-04 · model_announcement | LLM Stats |
| Qwen2.5-Omni-7B | 0.71 | 未收录 | 未收录 | 2025-03-27 · model_announcement | LLM Stats |
| Qwen2.5-Coder 7B Instruct | 0.666 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Qwen3.5-0.8B | 0.595 | 未收录 | 未收录 | 2026-03-02 · model_announcement | LLM Stats |
| ERNIE 4.5 | 0.432 | 未收录 | 未收录 | 2025-06-25 · model_announcement | LLM Stats |