PulseAugur
中
实时 12:20:00
English(EN) 📊 GLM-4.7-Flash (Non-reasoning) — the actual numbers GPQA: 45.2% Humanity's Last Exam: 4.9% Long Context Reasoning: 14.7% SciCode: 25.5% ⚡ 179.6 tokens/sec 💰 10

GLM-4.7-Flash 模型展示了跨基准的性能指标

作者 PulseAugur 编辑部 · [1 个来源] ·

GLM-4.7-Flash 模型在多个基准测试中展示了特定的性能指标，包括 GPQA、人类最后考试、长上下文推理和 SciCode。该模型在 GPQA 上达到 45.2%，在 SciCode 上达到 25.5%。此外，它每秒处理 179.6 个 token，每美元达到 101.3 智能点，显示了其效率。 AI

影响 为 GLM-4.7-Flash 模型在关键基准测试中的具体性能数据提供了信息，有助于进行比较分析。

排序理由 该条目报告了 AI 模型的基准测试结果，属于研究范畴。[lever_c_从研究降级：ic=1 ai=1.0]

在 Mastodon — mastodon.social 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

GLM-4.7-Flash 模型展示了跨基准的性能指标

报道来源 [1]

  1. Mastodon — mastodon.social TIER_1 English(EN) · opensourceaitech ·

    📊 GLM-4.7-Flash (Non-reasoning) — the actual numbers GPQA: 45.2% Humanity's Last Exam: 4.9% Long Context Reasoning: 14.7% SciCode: 25.5% ⚡ 179.6 tokens/sec 💰 10

    📊 GLM-4.7-Flash (Non-reasoning) — the actual numbers GPQA: 45.2% Humanity's Last Exam: 4.9% Long Context Reasoning: 14.7% SciCode: 25.5% ⚡ 179.6 tokens/sec 💰 101.3 intelligence points per dollar Measured independently, not self-reported → https:// opensourceai.tech/leaderboard. h…

    链接 opensourceai.tech/leaderboard.html

相关实体

相关话题