Arena-Hard v2 · 2 · GPT-4.1裁判 · 单位未注明 · 测试定义与成绩

Arena-Hard v2 · 2 · GPT-4.1裁判 · 单位未注明 收录 2 次模型发布的评测披露或成绩。

测试版本与指标

别名 Arena-Hard v2

  • Reported score · 单位未标注 · 排序方向未确认

各系列最新模型 · 公布成绩

常规展示范围。排名按指标与评测协议分组,已记录的工具、预算及框架分别展示。条件未说明的组保留公布值供查证。

Reported score

GPT-4.1 judge

Arena-Hard v2 · 2 · GPT-4.1裁判 · 单位未注明 · Reported score · GPT-4.1 judge
模型与配置成绩记录与证据
Qwen3-Next-80B-A3B-InstructNone82.7
Qwen3-Next-80B-A3B-Thinking思考62.3

历史记录 · 2 次发布