聪明世界#217
编程暂无
记性33K
便宜$0.40
记性换算成体感：一次能读完一篇长论文
Mixtral 系列的文本模型 · 按发布时间
共 2 个 · Mistral的全部模型 →她的房间
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
知识截止日期未公开
敞开的门
开源权重，谁都能进
身世
- 发布日期
- 2023 年 12 月 11 日models.dev
- 知识截止
- 暂无数据
- 参数量
- 46.7B
- 开放权重
- 是
- 开源许可
- Apache-2.0
- 上下文窗口
- 33K tokens
- 单次最大输出
- 33K
- 输入价格
- $0.40 / 百万 tokens
- 输出价格
- $0.40 / 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
- 118.4
- AIME 数学
- 未参评
- GPQA Diamond 科学
- 30.6%
- ARC-AGI-2 抽象推理
- 未参评
- Fiction.liveBench 长文本
- 未参评
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）
没有查到这个模型的任何公开编程评测成绩。
这表示「没人公开测过它」，不表示「它不会写代码」——本站不会用估算值填补空缺。
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118.4第 217 / 225Epoch 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
- MATH 五级9.3%第 93 / 94MATH 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
- GSM8K74.4%第 7 / 11小学应用题。早期用来测数学能力，如今顶尖模型全部接近满分，只对小模型还有区分度。第三方实测http://arxiv.org/abs/2401.04088
知识与推理
- GPQA 科学30.6%第 200 / 214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
- MMLU70.6%第 43 / 48横跨 57 个学科的大学水平选择题，曾是最通行的知识广度标尺。如今顶尖模型已接近饱和。第三方实测https://arxiv.org/pdf/2401.04088
- HellaSwag86.7%第 11 / 14给一段情景补上最合理的下一句，测常识推理。早期榜单，顶尖模型已接近满分。第三方实测https://arxiv.org/pdf/2401.04088
- WinoGrande77.2%第 16 / 19指代消解的常识题（「它」指的是哪个？）。早期榜单，已经饱和。第三方实测https://arxiv.org/pdf/2401.04088
- PIQA83.6%第 12 / 16物理常识题：要达成某个目的，哪种做法可行？早期榜单。第三方实测http://arxiv.org/abs/2401.04088
- OpenBookQA85.8%第 4 / 5小学科学知识的开卷选择题。早期榜单。第三方实测http://arxiv.org/abs/2404.14219
- ARC（AI2 科学题）87.3%第 14 / 16AI2 出的小学到初中科学选择题，与 ARC-AGI 无关。早期榜单。第三方实测http://arxiv.org/abs/2404.14219
- TriviaQA82.2%第 14 / 16百科知识问答。早期榜单。第三方实测http://arxiv.org/abs/2404.14219
- ANLI55.2%第 4 / 5对抗式的自然语言推理题：两句话之间是蕴含、矛盾还是无关。早期榜单。第三方实测http://arxiv.org/abs/2404.14219