聪明世界#193
算法偏弱
记性33K
便宜$0.08
记性换算成体感：一次能读完一篇长论文
她的营地
电脑
没有公开的编程评测成绩
书架
2 层 · 记忆 33K tokens
黑板
数学与科学推理
日历
知识停在 2023-10-31
敞开的门
开源权重，谁都能进
身世
- 发布日期
- 2025 年 1 月 30 日models.dev
- 知识截止
- 2023-10-31
- 参数量
- 24B · 由型号名推断
- 开放权重
- 是
- 开源许可
- 暂无数据
- 上下文窗口
- 33K tokens
- 单次最大输出
- 16K
- 输入价格
- $0.050 / 百万 tokens
- 输出价格
- $0.080 / 百万 tokens
- 模型类型
- 文本只读文字、只写文字的对话模型
- 支持的输入
- 文字 → 文字
- 工具调用
- 否
- 深度思考
- 否
- 提示缓存
- 否
战绩
- 综合智力
- 127.1
- AIME 数学
- 6.7%
- GPQA Diamond 科学
- 47.3%
- ARC-AGI-2 抽象推理
- 未定级
- Fiction.liveBench 长文本
- 未定级
综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。
编程战绩（按赛制分列）
- ALE-Bench498AtCoder 启发式算法竞赛题，考的是给一个没有标准答案的优化问题找出尽量好的解。分数是 137–2177 的评分标度，不是百分比。和「修 bug」是两种能力。第三方实测https://epoch.ai/benchmarks
这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。 广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。
全部成绩（按榜单分列）
名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。
综合
- 综合智力127.1第 193 / 223Epoch Capabilities Index，把十几项学术评测归并成一个总分。想看综合实力，先看这一栏。第三方实测https://epoch.ai/benchmarks
数学
- AIME 数学6.7%第 177 / 205美国高中数学邀请赛难度的模拟题，是数学竞赛能力的通行标尺。答对比例，满分 100。第三方实测https://epoch.ai/benchmarks
- MATH 五级46.8%第 64 / 91MATH 题库里难度最高的一档，高中竞赛水平。老榜单，顶尖模型早已接近满分。第三方实测https://epoch.ai/benchmarks/math-level-5
知识与推理
- GPQA 科学47.3%第 181 / 209博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测https://epoch.ai/benchmarks
- CritPt 物理0.0%第 126 / 178研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测
其他
- Dtbench70.9%第 134 / 211Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/dtbench
- Lmca20.6%第 135 / 195Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/lmca