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
MT-Bench
MT-Bench is a challenging multi-turn benchmark that measures the ability of large language models to engage in coherent, informative, and engaging conversations. It uses strong LLMs as judges for scalable and explainable evaluation of multi-turn dialogue capabilities.
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 12
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 |
|---|---|---|---|---|---|
| Hermes 3 70B | 8.99 | 未收录 | 未收录 | 2024-08-15 · model_announcement | LLM Stats |
| Qwen2.5 72B Instruct | 0.935 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Llama-3.3 Nemotron Super 49B v1 | 0.917 | 未收录 | 未收录 | 2025-03-18 · model_announcement | LLM Stats |
| DeepSeek-V2.5 | 0.902 | 未收录 | 未收录 | 2024-05-08 · model_announcement | LLM Stats |
| Qwen2.5 7B Instruct | 0.875 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Mistral Large 2 | 0.863 | 未收录 | 未收录 | 2024-07-24 · model_announcement | LLM Stats |
| Qwen2 7B Instruct | 0.841 | 未收录 | 未收录 | 2024-07-23 · model_announcement | LLM Stats |
| Mistral Small 3 24B Instruct | 0.835 | 未收录 | 未收录 | 2025-01-30 · model_announcement | LLM Stats |
| Ministral 8B Instruct | 0.83 | 未收录 | 未收录 | 2024-10-16 · model_announcement | LLM Stats |
| Llama 3.1 Nemotron Nano 8B V1 | 0.81 | 未收录 | 未收录 | 2025-03-18 · model_announcement | LLM Stats |
| Pixtral-12B | 0.768 | 未收录 | 未收录 | 2024-09-17 · model_announcement | LLM Stats |
| Llama 3.1 Nemotron 70B Instruct | 0.0899 | 未收录 | 未收录 | 2024-10-01 · model_announcement | LLM Stats |