开源大模型排行榜

排行榜上收录了哪些开源大模型？

榜单聚合开放权重或代码公开的大模型，包括 Llama、Qwen、DeepSeek、Mistral、GLM 等模型。这里可能包含宽松协议、非商用协议或其他受限商用协议；GPT、Claude 等仅 API 可用的闭源模型不在此列表中，可在主排行榜查看。

为什么同一模型在不同基准上分数差异很大？

每个基准测的能力不一样：推理类（HLE、ARC-AGI-2）、数学类（AIME、FrontierMath）、编程类（SWE-bench Verified）、Agent 工具使用类（τ²-Bench）等。模型在某一能力上专门优化后，往往会牺牲另一些能力，因此排行榜按基准分别展示，而不是合并成一个分数。

排行榜多久更新一次？

数据每 5 分钟自动重新校验一次；新模型或新评测结果一旦公开就会同步收录。页面顶部的"数据更新于"指示器反映最近一次数据刷新时间。

综合排名应该怎么解读？

综合榜聚合了模型在多个核心基准上的位次，可作为初筛工具。但落地选型时建议进入与你业务最相关的单项基准查看，例如 Coding Agent 看 SWE-bench Verified、工具调用场景看 τ²-Bench。

这些开源大模型可以本地运行吗？

大多数榜单上的开源模型在 Hugging Face 或 GitHub 公开权重，可通过 vLLM、Ollama、llama.cpp 等推理框架部署。硬件需求随参数规模上升：7B 模型可在单张消费级 GPU 运行，65B 以上通常需要多卡或量化部署。