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

筛选条件

全部
3B及以下
7B
13B
34B
65B
100B及以上
排名
模型
MMLU Pro
GPQA Diamond
SWE-bench Verified
MATH-500
AIME 2024
LiveCodeBench
参数(亿)
开源情况
1 华为 Logo
Pangu Embedded
79.00 未公布 未公布 92.40 81.90 67.10 70 免费商用授权
2 阿里巴巴 Logo
Qwen3-8B
72.50 62.00 未公布 97.40 79.40 61.80 80 免费商用授权
3 智谱AI Logo
GLM-4-9B-Chat
72.40 未公布 未公布 未公布 76.40 51.80 90 免费商用授权
4 阿里巴巴 Logo
Qwen2.5-7B
45.00 36.40 未公布 未公布 未公布 未公布 70 免费商用授权
5 Google Research Logo
Gemma 2 - 9B
44.70 32.80 未公布 未公布 未公布 未公布 90 免费商用授权
6 Facebook AI研究实验室 Logo
Llama3.1-8B-Instruct
44.00 26.30 未公布 未公布 未公布 未公布 80 免费商用授权
7 Facebook AI研究实验室 Logo
Llama3.1-8B
35.40 25.80 未公布 未公布 未公布 未公布 80 免费商用授权
8 MistralAI Logo
Mistral-7B-Instruct-v0.3
30.90 24.70 未公布 未公布 未公布 未公布 70 免费商用授权
9 DeepSeek-AI Logo
DeepSeek-R1-Distill-Qwen-7B
未公布 49.50 未公布 91.40 53.30 未公布 70 免费商用授权
10 Tencent ARC Logo
Hunyuan-7B
未公布 60.10 未公布 93.70 81.10 57.00 70 免费商用授权
11 阿里巴巴 Logo
Qwen3-4B-2507
未公布 62.00 未公布 未公布 未公布 35.10 40 免费商用授权
12 阿里巴巴 Logo
Qwen3-4B-Thinking-2507
未公布 65.80 未公布 未公布 未公布 55.20 40 免费商用授权
MMLU Pro (综合评估) 79.00
GPQA Diamond (综合评估) 未公布
SWE-bench Verified (编程与软件工程) 未公布
MATH-500 (数学推理) 92.40
AIME 2024 (数学推理) 81.90
LiveCodeBench (编程与软件工程) 67.10
参数(亿) 70
开源情况 免费商用授权
查看模型详情
MMLU Pro (综合评估) 72.50
GPQA Diamond (综合评估) 62.00
SWE-bench Verified (编程与软件工程) 未公布
MATH-500 (数学推理) 97.40
AIME 2024 (数学推理) 79.40
LiveCodeBench (编程与软件工程) 61.80
参数(亿) 80
开源情况 免费商用授权
查看模型详情
MMLU Pro (综合评估) 72.40
GPQA Diamond (综合评估) 未公布
SWE-bench Verified (编程与软件工程) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 76.40
LiveCodeBench (编程与软件工程) 51.80
参数(亿) 90
开源情况 免费商用授权
查看模型详情
MMLU Pro (综合评估) 45.00
GPQA Diamond (综合评估) 36.40
SWE-bench Verified (编程与软件工程) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (编程与软件工程) 未公布
参数(亿) 70
开源情况 免费商用授权
查看模型详情
MMLU Pro (综合评估) 44.70
GPQA Diamond (综合评估) 32.80
SWE-bench Verified (编程与软件工程) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (编程与软件工程) 未公布
参数(亿) 90
开源情况 免费商用授权
查看模型详情
MMLU Pro (综合评估) 44.00
GPQA Diamond (综合评估) 26.30
SWE-bench Verified (编程与软件工程) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (编程与软件工程) 未公布
参数(亿) 80
开源情况 免费商用授权
查看模型详情
MMLU Pro (综合评估) 35.40
GPQA Diamond (综合评估) 25.80
SWE-bench Verified (编程与软件工程) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (编程与软件工程) 未公布
参数(亿) 80
开源情况 免费商用授权
查看模型详情
MMLU Pro (综合评估) 30.90
GPQA Diamond (综合评估) 24.70
SWE-bench Verified (编程与软件工程) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (编程与软件工程) 未公布
参数(亿) 70
开源情况 免费商用授权
查看模型详情
MMLU Pro (综合评估) 未公布
GPQA Diamond (综合评估) 49.50
SWE-bench Verified (编程与软件工程) 未公布
MATH-500 (数学推理) 91.40
AIME 2024 (数学推理) 53.30
LiveCodeBench (编程与软件工程) 未公布
参数(亿) 70
开源情况 免费商用授权
查看模型详情
MMLU Pro (综合评估) 未公布
GPQA Diamond (综合评估) 60.10
SWE-bench Verified (编程与软件工程) 未公布
MATH-500 (数学推理) 93.70
AIME 2024 (数学推理) 81.10
LiveCodeBench (编程与软件工程) 57.00
参数(亿) 70
开源情况 免费商用授权
查看模型详情
MMLU Pro (综合评估) 未公布
GPQA Diamond (综合评估) 62.00
SWE-bench Verified (编程与软件工程) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (编程与软件工程) 35.10
参数(亿) 40
开源情况 免费商用授权
查看模型详情
MMLU Pro (综合评估) 未公布
GPQA Diamond (综合评估) 65.80
SWE-bench Verified (编程与软件工程) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (编程与软件工程) 55.20
参数(亿) 40
开源情况 免费商用授权
查看模型详情