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
MultiPL-E
MultiPL-E is a scalable and extensible system for translating unit test-driven code generation benchmarks to multiple programming languages. It extends HumanEval and MBPP Python benchmarks to 18 additional programming languages, enabling evaluation of neural code generation models across diverse programming paradigms and language features.
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 13
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 |
|---|---|---|---|---|---|
| Qwen3-235B-A22B-Instruct-2507 | 0.879 | 未收录 | 未收录 | 2025-07-22 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Instruct | 0.878 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Instruct | 0.861 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Kimi K2-Instruct-0905 | 0.857 | 未收录 | 未收录 | 2025-09-05 · model_announcement | LLM Stats |
| Kimi K2 Instruct | 0.857 | 未收录 | 未收录 | 2025-07-11 · model_announcement | LLM Stats |
| Qwen2.5 32B Instruct | 0.754 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Qwen2.5 72B Instruct | 0.751 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Qwen2.5 14B Instruct | 0.728 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Qwen2.5 7B Instruct | 0.704 | 未收录 | 未收录 | 2024-09-19 · model_announcement | LLM Stats |
| Qwen2 72B Instruct | 0.692 | 未收录 | 未收录 | 2024-07-23 · model_announcement | LLM Stats |
| Qwen3 235B A22B | 0.6594 | 未收录 | 未收录 | 2025-04-29 · model_announcement | LLM Stats |
| Qwen2.5-Omni-7B | 0.658 | 未收录 | 未收录 | 2025-03-27 · model_announcement | LLM Stats |
| Qwen2 7B Instruct | 0.591 | 未收录 | 未收录 | 2024-07-23 · model_announcement | LLM Stats |