DataLearner 标志

Qwen3.5-9B 评测详情

Qwen3.5-9B 当前已收录的代表性评测结果包括 C-Eval(8 / 48,得分 88.20)、MMLU-Pro(53 / 175,得分 82.50)、GPQA Diamond(117 / 253,得分 81.70)。

评测结果

Qwen3.5-9B

评测结果

思考模式
工具使用

综合知识考试

共 2 项评测
评测名称 / 模式
得分
排名/总数
C-Eval
开启思考
88.20
8 / 48
MMLU-Pro
开启思考
82.50
53 / 175

科学知识与推理

共 4 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
常规模式
78.91
138 / 253
GPQA Diamond
开启思考
81.70
117 / 253
CritPt
常规模式
0.60
172 / 204
CritPt
开启思考
0.30
186 / 204

算法与竞赛编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
LiveCodeBench
开启思考
65.60
67 / 125

指令与格式遵循

共 1 项评测
评测名称 / 模式
得分
排名/总数
IF Bench
开启思考
64.50
22 / 31

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
Terminal Bench Hard
常规模式工具
18.20
154 / 244
Terminal Bench Hard
开启思考工具
24.20
134 / 244

多轮记忆与持续上下文

共 2 项评测
评测名称 / 模式
得分
排名/总数
Context Arena
常规模式
22.60
121 / 126
Context Arena
开启思考
43.28
97 / 126

跨长文理解与整合

共 1 项评测
评测名称 / 模式
得分
排名/总数
LongBench v2
开启思考
55.20
11 / 14

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-Pro
常规模式
66.80
147 / 229
MMMU-Pro
开启思考
69.20
134 / 229

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
开启思考工具
7
144 / 167

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
139.45
97 / 167