聪明暂无
编程偏弱
记性262K
便宜$7.5
记性换算成体感：一次能读完一本《三体》
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
38.7% · SWE-Bench Pro · Scale AI 官方榜
书架
4 层 · 记忆 262K tokens
黑板
一块空黑板
日历
知识停在 2025-04
敞开的门
开源权重，谁都能进
身世
- 发布日期
- 2025 年 4 月models.dev
- 知识截止
- 2025-04
- 参数量
- 480.15B（激活 35B）
- 开放权重
- 是
- 开源许可
- Apache-2.0
- 上下文窗口
- 262K tokens
- 单次最大输出
- 66K
- 输入价格
- $1.50 / 百万 tokens
- 输出价格
- $7.50 / 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
- 否
战绩
- 综合智力
- 未参评
- 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）
- SWE-Bench Pro38.7%同一个思路但难度高得多的版本，题目更长、依赖更复杂。分数普遍比 Verified 低三十分左右，两者不可直接比较。第三方实测https://labs.scale.com/leaderboard/swe_bench_pro_public
- Terminal-Bench 2.027.2%Terminal-Bench 的第二代题库，任务更长更杂。与 1.0 的分数不可直接比较。第三方实测https://epoch.ai/benchmarks
- LiveBench 智能体编程31.7%LiveBench 的智能体编程分项：不是写一段代码，而是像开发者那样多轮改动一个项目。第三方实测https://livebench.ai/#/?release=2025-05-30
- LiveBench 编程分项75.0%LiveBench 每月换新题以避免污染，这一列是它的编程分项均分。第三方实测https://livebench.ai/#/?release=2025-05-30
- ALE-Bench461AtCoder 启发式算法竞赛题，考的是给一个没有标准答案的优化问题找出尽量好的解。分数是 137–2177 的评分标度，不是百分比。和「修 bug」是两种能力。第三方实测https://epoch.ai/benchmarks
- AlgoTune1.44×给定一段算法实现，让模型把它调得更快。分数是加速倍率（约 1.3–2 倍），不是百分比。考的是性能调优而不是功能实现。第三方实测https://epoch.ai/benchmarks
- GSO3.9%代码性能优化测试：在保持功能不变的前提下把真实项目跑得更快。第三方实测https://gso-bench.github.io/leaderboard.html
- WebDev Arena1273 Elo让两个模型各写一个网页，由人来投票选哪个更好，按对战胜负算 Elo 分。考的是前端开发的实际观感，和「能不能修复一个后端 bug」不是一回事。第三方实测https://epoch.ai/benchmarks
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。
知识与推理
- WeirdML41.2%第 88 / 146一批刻意古怪的小型机器学习任务，模型要自己写代码训练并拿到成绩。考的是解决陌生问题的能力。第三方实测https://htihle.github.io/weirdml.html