Qwen3-4B-Thinking-2507 评测详情

Qwen3-4B-Thinking-2507 当前已收录的代表性评测结果包括 AIME2025（55 / 106，得分 81.30）、LiveCodeBench（87 / 127，得分 55.20）、GPQA Diamond（210 / 270，得分 65.80）。