聪明世界#159
编程入门
记性1M
便宜$0.85
记性换算成体感：一次能读完《哈利·波特》全七部
Llama 系列的视觉模型 · 按发布时间
共 5 个 · Meta的全部模型 →他的房间
电脑
5.2% · SWE-Bench Pro · Scale AI 官方榜
书架
5 层 · 记忆 1M tokens
黑板
一块空黑板
日历
知识停在 2024-08
敞开的门
开源权重，谁都能进
身世
- 发布日期
- 2025 年 4 月 5 日models.dev
- 知识截止
- 2024-08
- 参数量
- 401.58B
- 开放权重
- 是
- 开源许可
- 暂无数据
- 上下文窗口
- 1M tokens
- 单次最大输出
- 16K
- 输入价格
- $0.27 / 百万 tokens
- 输出价格
- $0.85 / 百万 tokens
- 模型类型
- 视觉除了文字还能看图片或视频，输出文字
- 支持的输入
- 图像、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
- 132.2
- 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 Pro5.2%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
- Aider Polyglot15.6%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/
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132.2第 159 / 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