DataLearner 标志

Spark-X2.5-4B 评测详情

Spark-X2.5-4B 当前已收录的代表性评测结果包括 IF Bench(10 / 35,得分 75)、GPQA(6 / 17,得分 67.40)、τ²-Bench(22 / 44,得分 75.10)。

评测结果

Spark-X2.5-4B

评测结果

思考模式
工具使用
联网能力

综合评估

共 2 项评测
评测名称 / 模式
得分
排名/总数
GPQA
思考模式
67.40
6 / 17
HLE
思考模式
12.30
157 / 189

编程与软件工程

共 4 项评测
评测名称 / 模式
得分
排名/总数
SWE-bench Multilingual
思考模式工具
53.30
28 / 28
SWE-Bench Pro - Public
思考模式工具
44.40
51 / 60
SWE-bench Verified
思考模式工具
41.60
103 / 115
SciCode
思考模式
34.70
15 / 15

Agent能力评测

共 4 项评测
评测名称 / 模式
得分
排名/总数
τ²-Bench
思考模式工具
75.10
22 / 44
Workspace-Bench
思考模式工具
31.20
1 / 1
τ³-Bench
思考模式工具
30.40
1 / 1
VitaBench 2.0
思考模式工具
25.20
1 / 1

指令跟随

共 2 项评测
评测名称 / 模式
得分
排名/总数
IFEval
思考模式
93
1 / 1
IF Bench
思考模式
75
10 / 35

AI Agent - 信息收集

共 1 项评测
评测名称 / 模式
得分
排名/总数
BrowseComp
思考模式工具联网
40.90
49 / 55

数学推理

共 4 项评测
评测名称 / 模式
得分
排名/总数
Gaokao 2026
思考模式
133.40
1 / 1
AIME 2026
思考模式
90.70
15 / 20
HMMT Feb 2026
思考模式
81.20
1 / 1
IMO-AnswerBench
思考模式
74.20
22 / 24

长上下文能力

共 1 项评测
评测名称 / 模式
得分
排名/总数
AA-LCR
思考模式
56.30
27 / 28

AI Agent - 工具使用

共 3 项评测
评测名称 / 模式
得分
排名/总数
BFCL-V4
思考模式工具
65.10
1 / 1
MCP-Atlas
思考模式工具
54.60
38 / 41
MCPMark
思考模式工具
14.20
1 / 1