大模型评测基准与性能对比

快速查看大模型在各项评测基准上的表现，包括MMLU Pro、HLE、SWE-Bench等多个标准数据集，帮助开发者和用户了解不同大模型在通用知识、编程能力、推理能力等方面的表现。

用户可以选择自定义模型与评测基准进行对比，快速获取不同模型在实际应用中的优劣势。

各个评测基准的详细介绍可见： LLM 评测基准列表与介绍

大模型性能评测结果

数据来源：DataLearnerAI

自定义评测选择

+
+
全部
3B及以下
7B
13B
34B
65B
100B及以上
#
模型
MMLU Pro
GPQA Diamond
SWE-bench Verified
MATH-500
AIME 2024
LiveCodeBench
参数(亿)
开源情况
1
Microsoft Logo
Phi 4 - 14B
70.40
未公布
未公布
未公布
未公布
未公布
140
不可以商用
MMLU Pro (知识问答) 70.40
GPQA Diamond (常识推理) 未公布
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 未公布
参数(亿) 140
开源情况 不可以商用
查看模型详情
2
阿里巴巴 Logo
Qwen2.5-14B
63.69
未公布
未公布
未公布
未公布
未公布
140
免费商用授权
MMLU Pro (知识问答) 63.69
GPQA Diamond (常识推理) 未公布
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 未公布
参数(亿) 140
开源情况 免费商用授权
查看模型详情
3
Google Deep Mind Logo
Gemma 3 - 12B (IT)
60.60
40.90
未公布
未公布
未公布
24.60
120
免费商用授权
MMLU Pro (知识问答) 60.60
GPQA Diamond (常识推理) 40.90
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 24.60
参数(亿) 120
开源情况 免费商用授权
查看模型详情
4
Moonshot AI Logo
Moonlight-16B-A3B-Instruct
42.40
未公布
未公布
未公布
未公布
未公布
160
免费商用授权
MMLU Pro (知识问答) 42.40
GPQA Diamond (常识推理) 未公布
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 未公布
参数(亿) 160
开源情况 免费商用授权
查看模型详情