DataLearner 标志

Llama 4 Maverick 评测详情

Llama 4 Maverick 当前已收录的代表性评测结果包括 MBPP(13 / 69,得分 77.60)、MMLU(40 / 124,得分 85.50)、MMMU(39 / 74,得分 73.40)。并附有 1 个数据来源链接供参考。

评测结果

Llama 4 Maverick

评测结果

思考模式
工具使用

综合知识考试

共 3 项评测
评测名称 / 模式
得分
排名/总数
MMLU
常规模式
85.50
40 / 124
MMLU-Pro
常规模式
62.90
118 / 175
HLE
unknown
5.68
219 / 235

程序生成与编辑

共 1 项评测
评测名称 / 模式
得分
排名/总数
MBPP
常规模式
77.60
13 / 69

数学

共 2 项评测
评测名称 / 模式
得分
排名/总数
MATH
常规模式
61.20
30 / 42
FrontierMath
常规模式
0.70
55 / 60

抽象归纳与泛化

共 2 项评测
评测名称 / 模式
得分
排名/总数
ARC-AGI-1
开启思考
4.38
190 / 193
ARC-AGI-2
开启思考
0
176 / 181

图像感知与视觉推理

共 2 项评测
评测名称 / 模式
得分
排名/总数
MMMU
unknown
73.40
39 / 74
MMMU-Pro
常规模式
62.10
167 / 229

常识推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleBench
常规模式
27.70
79 / 96

自主开发与终端任务

共 2 项评测
评测名称 / 模式
得分
排名/总数
Aider-Polyglot
常规模式
15.60
54 / 59
Terminal Bench Hard
常规模式工具
6.80
194 / 244

跨应用与工具编排

共 1 项评测
评测名称 / 模式
得分
排名/总数
Pinch Bench
开启思考工具
46.10
37 / 38

科学计算与科研编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
SciCode
常规模式
31.70
126 / 134

客服与业务流程

共 1 项评测
评测名称 / 模式
得分
排名/总数
τ³-Banking
常规模式工具
3.70
162 / 167

文档与图表理解

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDP.pdf
常规模式
0.80
119 / 122

跨能力聚合指数

共 1 项评测
评测名称 / 模式
得分
排名/总数
ECI
unknown
132.20
113 / 167

数据来源