DataLearner 标志

Qwen3-235B-A22B 评测详情

Qwen3-235B-A22B 当前已收录的代表性评测结果包括 GSM8K(3 / 68,得分 96.40)、MATH-500(8 / 46,得分 98)、MMLU(38 / 124,得分 85.80)。

评测结果

Qwen3-235B-A22B

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
85.80
38 / 124
MMLU-Pro
常规模式
72.90
93 / 175
HLE
常规模式
7.60
212 / 235

数学

共 7 项评测
评测名称 / 模式
得分
排名/总数
MATH-500
常规模式
96.20
20 / 46
MATH-500
思考模式
98
8 / 46
GSM8K
常规模式
96.40
3 / 68
AIME 2024
常规模式
85.70
20 / 61
AIME 2024
思考模式
85.70
20 / 61
AIME2025
常规模式
24.70
108 / 110
AIME2025
思考模式
81.50
63 / 110

语言与阅读理解

共 1 项评测
评测名称 / 模式
得分
排名/总数
DROP
常规模式
88.70
5 / 9

综合推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
BBH
常规模式
88.87
8 / 19

抽象归纳与泛化

共 1 项评测
评测名称 / 模式
得分
排名/总数
ARC-AGI-1
常规模式
4.30
191 / 193

科学知识与推理

共 2 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
常规模式
71.10
176 / 253
GPQA Diamond
思考模式
71.10
176 / 253

事实可靠性与幻觉

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleQA
常规模式
11
40 / 46

仓库修复与多文件工程

共 1 项评测
评测名称 / 模式
得分
排名/总数
SWE-bench Verified
常规模式
34.40
109 / 116

算法与竞赛编程

共 2 项评测
评测名称 / 模式
得分
排名/总数
LiveCodeBench
常规模式
70.70
53 / 125
LiveCodeBench
思考模式
70.70
53 / 125

常识推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleBench
思考模式
31
77 / 96

自主开发与终端任务

共 3 项评测
评测名称 / 模式
得分
排名/总数
Aider-Polyglot
常规模式
59.60
23 / 59
Terminal Bench Hard
常规模式工具
6.10
204 / 244
Terminal Bench Hard
思考模式工具
6.10
204 / 244

客服与业务流程

共 1 项评测
评测名称 / 模式
得分
排名/总数
τ²-Bench
思考模式工具
34.40
42 / 44

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
139.36
99 / 167