DeepSeek V3.2-Exp 评测详情

DeepSeek V3.2-Exp 当前已收录的代表性评测结果包括 SimpleQA（1 / 47，得分 97.10）、Aider-Polyglot（11 / 59，得分 74.20）、MMLU Pro（26 / 132，得分 85）。

评测结果

DeepSeek V3.2-Exp

评测结果

综合评估

共 9 项评测

评测名称 / 模式

得分

排名/总数

85

26 / 132

84

38 / 132

79.90

83 / 187

74

102 / 187

常规模式

49.85

91 / 115

思考模式

58.90

73 / 115

20.30

117 / 172

19.80

119 / 172

8.60

152 / 172

常识问答

共 1 项评测

评测名称 / 模式

得分

排名/总数

97.10

1 / 47

编程与软件工程

共 3 项评测

评测名称 / 模式

得分

排名/总数

74.10

42 / 123

55

85 / 123

SWE-bench Verified

67.80

71 / 112

数学推理

共 2 项评测

评测名称 / 模式

得分

排名/总数

89.30

39 / 107

58

84 / 107

AI Agent - 工具使用

共 2 项评测

评测名称 / 模式

得分

排名/总数

37.70

14 / 35

23

30 / 35

Agent能力评测

共 5 项评测

评测名称 / 模式

得分

排名/总数

常规模式

70.20

17 / 59

思考模式

74.20

11 / 59

66.70

27 / 43

τ²-Bench - Telecom

34

34 / 35

τ²-Bench - Telecom

34

34 / 35

指令跟随

共 1 项评测

评测名称 / 模式

得分

排名/总数

54.10

27 / 30

AI Agent - 信息收集

共 1 项评测

评测名称 / 模式

得分

排名/总数

40.10

48 / 53

与其他模型对比