大模型评测基准与性能对比

大模型排名数据表格

排名	模型	MMLU Pro	GPQA Diamond	SWE-bench Verified	MATH-500	AIME 2024	LiveCodeBench	参数(亿)	开源情况
1	Gemini 1.5 Pro	76.10	53.50	未公布	未公布	未公布	未公布	未知	不开源
2	Llama3.1-405B Instruct	73.40	49.00	未公布	未公布	未公布	30.20	4,050	免费商用授权
3	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
4	Qwen2.5-32B	69.23	未公布	未公布	未公布	未公布	51.20	320	免费商用授权
5	Hunyuan-A13B-Instruct	67.23	71.20	未公布	未公布	87.30	63.90	800	免费商用授权
6	Mistral-Small-3.1-24B-Instruct-2503	66.76	45.96	未公布	未公布	未公布	未公布	240	免费商用授权
7	Llama3.1-70B-Instruct	66.40	48.00	未公布	未公布	未公布	33.30	700	免费商用授权
8	Claude 3.5 Haiku	65.00	41.60	未公布	未公布	未公布	未公布	未知	不开源
9	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
10	GPT-4o mini	61.70	41.10	未公布	未公布	未公布	未公布	未知	不开源
11	Llama3.1-405B	61.60	未公布	未公布	未公布	未公布	未公布	4,050	免费商用授权
12	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
13	Qwen2.5-72B	58.10	45.90	未公布	未公布	未公布	未公布	727	免费商用授权
14	Gemma2-27B	56.54	未公布	未公布	未公布	未公布	未公布	270	免费商用授权
15	Llama3.1-70B	52.47	未公布	未公布	未公布	未公布	未公布	700	免费商用授权
16	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
17	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
18	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
19	Qwen2.5-3B	34.60	24.30	未公布	未公布	未公布	未公布	30	免费商用授权
20	Llama-3.2-3B	25.00	26.60	未公布	未公布	未公布	未公布	32	免费商用授权
21	Grok 3 mini	未公布	65.00	未公布	未公布	40.00	未公布	未知	不开源
22	GPT-5	未公布	87.30	74.90	未公布	未公布	未公布	未知	不开源
23	GPT-5-mini	未公布	未公布	未公布	未公布	未公布	未公布	未知	不开源