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
Multilingual MMLU
MMLU-ProX is a comprehensive multilingual benchmark covering 29 typologically diverse languages, building upon MMLU-Pro. Each language version consists of 11,829 identical questions enabling direct cross-linguistic comparisons. The benchmark evaluates large language models' reasoning capabilities across linguistic and cultural boundaries through challenging, reasoning-focused questions with 10 answer choices.
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 5
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 |
|---|---|---|---|---|---|
| o3-mini | 0.807 | 未收录 | 未收录 | 2025-01-30 · model_announcement | LLM Stats |
| Ministral 3 (14B Base 2512) | 0.742 | 未收录 | 未收录 | 2025-12-04 · model_announcement | LLM Stats |
| Ministral 3 (8B Base 2512) | 0.706 | 未收录 | 未收录 | 2025-12-04 · model_announcement | LLM Stats |
| Ministral 3 (3B Base 2512) | 0.652 | 未收录 | 未收录 | 2025-12-04 · model_announcement | LLM Stats |
| Phi 4 Mini | 0.493 | 未收录 | 未收录 | 2025-02-01 · model_announcement | LLM Stats |