DataLearner 标志

Spark-X2.5-4B 评测详情

Spark-X2.5-4B 当前已收录的代表性评测结果包括 IF Bench(10 / 31,得分 75)、IFEval(1 / 3,得分 93)、GPQA(6 / 17,得分 67.40)。

评测结果

Spark-X2.5-4B

评测结果

思考模式
工具使用
联网能力

综合知识考试

共 1 项评测
评测名称 / 模式
得分
排名/总数
HLE
思考模式
12.30
186 / 235

仓库修复与多文件工程

共 3 项评测
评测名称 / 模式
得分
排名/总数
SWE-bench Multilingual
思考模式工具
53.30
30 / 30
SWE-Bench Pro - Public
思考模式工具
44.40
52 / 62
SWE-bench Verified
思考模式工具
41.60
104 / 116

科学知识与推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
GPQA
思考模式
67.40
6 / 17

客服与业务流程

共 3 项评测
评测名称 / 模式
得分
排名/总数
τ²-Bench
思考模式工具
75.10
22 / 44
τ³-Bench
思考模式工具
30.40
1 / 1
VitaBench 2.0
思考模式工具
25.20
1 / 1

指令与格式遵循

共 2 项评测
评测名称 / 模式
得分
排名/总数
IFEval
思考模式
93
1 / 3
IF Bench
思考模式
75
10 / 31

事实查找与深度检索

共 1 项评测
评测名称 / 模式
得分
排名/总数
BrowseComp
思考模式工具联网
40.90
52 / 58

数学

共 4 项评测
评测名称 / 模式
得分
排名/总数
Gaokao 2026
思考模式
133.40
1 / 1
AIME 2026
思考模式
90.70
24 / 30
HMMT Feb 2026
思考模式
81.20
9 / 10
IMO-AnswerBench
思考模式
74.20
22 / 24

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
AA-LCR
思考模式
56.30
6 / 6

跨应用与工具编排

共 3 项评测
评测名称 / 模式
得分
排名/总数
BFCL-V4
思考模式工具
65.10
2 / 2
MCP-Atlas
思考模式工具
54.60
41 / 44
MCPMark
思考模式工具
14.20
1 / 1

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
思考模式
34.70
122 / 134

办公与文档流程

共 1 项评测
评测名称 / 模式
得分
排名/总数
Workspace-Bench
思考模式工具
31.20
1 / 1