AI EVALUATION, IN CONTEXT.BY EQUALITY MACHINE

Model reports

MMMLU

A language-count average. Two cards reporting "MMMLU" may be averaging over different language sets, so the counts must match to compare.

评测信息与证据

来源
Model reports
发布者
未收录
评测发布日期
2024-09-24
采集日期
未收录
模态
未收录

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
Claude Opus 488.8percent14 non-English languages, extended thinking up to 64K tokens2025-05-22 · document_publicationClaude Opus 4 and Sonnet 4
Claude Sonnet 486.5percent14 non-English languages, extended thinking up to 64K tokens2025-05-22 · document_publicationClaude Opus 4 and Sonnet 4
Gemini 3.1 Pro92.6percentThinking (High)2026-02-19 · document_publicationGemini 3.1 Pro
Gemma 4 (31B)88.4percentas reported2026-03-11 · document_publicationGemma 4 (31B)
Qwen3.5-397B-A17B88.5percentthinking (temp 0.6, top_p 0.95, top_k 20)2026-02-16 · document_publicationQwen3.5-397B-A17B