聪明世界#159
算法入门
记性1.0M
便宜$0.65
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
没有公开的编程评测成绩
书架
5 层 · 记忆 1.0M tokens
黑板
一块空黑板
日历
知识截止日期未公开
门禁
闭源，权重不公开
身世
- 发布日期
- 2025 年 4 月 5 日epoch.ai
- 知识截止
- 暂无数据
- 参数量
- 体型为估算值，官方从未公布参数量
- 开放权重
- 暂无数据
- 开源许可
- 暂无数据
- 上下文窗口
- 1.0M tokens
- 单次最大输出
- 16K
- 输入价格
- $0.19 / 百万 tokens
- 输出价格
- $0.65 / 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
- 暂无数据
- 深度思考
- 暂无数据
- 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
- 0.0%
- 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）
- ALE-Bench173AtCoder 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
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
知识与推理
- HLE 终极考试5.7%第 43 / 58Humanity's Last Exam，各学科专家出的刁钻题，专为难住模型而设计。能过四成就是当今顶尖。第三方实测https://lastexam.ai/
- ARC-AGI-20.0%第 95 / 108看几组图形样例找规律的智力题，人类轻松、模型艰难。专门测「没见过的题会不会做」。第三方实测https://epoch.ai/benchmarks
- ARC-AGI（第一代）4.4%第 104 / 107ARC-AGI 的第一代题库，已被第二代取代。第三方实测https://arcprize.org/leaderboard
- CritPt 物理0.0%第 112 / 163研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测
游戏与谜题
- EnigmaEval0.6%第 51 / 51解谜比赛里的复杂谜题，通常要综合图像、文字和多步推理。第三方实测https://labs.scale.com/leaderboard/enigma_eval
其他
- Dtbench61.9%第 154 / 198Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/dtbench
- Lmca15.9%第 147 / 183Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/lmca