聪明世界#192
编程入门
记性131K
便宜$0.20
记性换算成体感：一次能读完一本中篇小说
Qwen 系列的文本模型 · 按发布时间
共 31 个 · 这里是相邻的 7 个 · 阿里通义的全部模型 →他的房间
电脑
没有公开的编程评测成绩
书架
3 层 · 记忆 131K tokens
黑板
一块空黑板
日历
知识截止日期未公开
冰箱
支持上下文缓存，能存记忆
敞开的门
开源权重，谁都能进
身世
- 发布日期
- 2024 年 9 月 18 日epoch.ai
- 知识截止
- 暂无数据
- 参数量
- 32.76B
- 开放权重
- 是
- 开源许可
- Apache-2.0
- 上下文窗口
- 131K tokens
- 单次最大输出
- 8K
- 输入价格
- $0.20 / 百万 tokens
- 输出价格
- $0.20 / 百万 tokens
- 模型类型
- 文本只读文字、只写文字的对话模型
- 支持的输入
- 文字 → 文字
- 工具调用
- 是
- 深度思考
- 否
- 提示缓存
- 是
战绩
- 综合智力
- 119.4
- AIME 数学
- 未参评
- GPQA Diamond 科学
- 未参评
- ARC-AGI-2 抽象推理
- 未参评
- Fiction.liveBench 长文本
- 未参评
综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。
编程战绩（按赛制分列）
- Aider Polyglot16.4%多语言代码编辑测试，看模型能不能按要求准确改动已有代码。榜单已停更在 2025 年底，只覆盖那之前的模型。第三方实测https://aider.chat/docs/leaderboards/#polyglot-leaderboard
这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。 广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。
全部成绩（按榜单分列）
名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。
综合
- 综合智力119.4第 192 / 208Epoch Capabilities Index，把十几项学术评测归并成一个总分。想知道「谁最强」，先看这一栏。第三方实测https://epoch.ai/benchmarks
数学
- GSM8K93.0%第 1 / 9小学应用题。早期用来测数学能力，如今顶尖模型全部接近满分，只对小模型还有区分度。第三方实测http://arxiv.org/abs/2409.12186
知识与推理
- MMLU79.1%第 32 / 44横跨 57 个学科的大学水平选择题，曾是最通行的知识广度标尺。如今顶尖模型已接近饱和。第三方实测http://arxiv.org/abs/2409.12186
- HellaSwag83.0%第 12 / 12给一段情景补上最合理的下一句，测常识推理。早期榜单，顶尖模型已接近满分。第三方实测https://arxiv.org/pdf/2409.12186
- WinoGrande80.8%第 15 / 17指代消解的常识题（「它」指的是哪个？）。早期榜单，已经饱和。第三方实测https://arxiv.org/pdf/2409.12186
- ARC（AI2 科学题）70.5%第 14 / 14AI2 出的小学到初中科学选择题，与 ARC-AGI 无关。早期榜单。第三方实测http://arxiv.org/abs/2409.12186