GLM-5.2
ZhipuAI/GLM-5.2 · 魔搭 ModelScope · 默认思考模式thinks by default82分pts综合分Score82 / 100
成功率Success rate82%(18/22 题有回答)
首 token p50 / p95TTFT p50 / p951728 ms / 2146 ms
生成速度(中位)Tokens/s (median)69 token/s
- 中文知识Chinese knowledge100
- 推理数学Reasoning & math60
- 代码Coding33
- 指令格式Format following100
- 长文本Long context100
- 工具调用Tool calling100
- 防幻觉Anti-hallucination100
中文知识满分Full marks: Chinese knowledge指令格式满分Full marks: Format following长文本满分Full marks: Long context工具调用满分Full marks: Tool calling防幻觉满分Full marks: Anti-hallucination默认长思考,响应慢Thinks by default, slower代码弱Weak: Coding请求成功率 82%82% request success
魔搭免费额度很快耗尽,答了 6 题就被限额。
- 适合Good for
- 偶尔试用
- 不建议Avoid for
- 批量调用
在实测报告中查看Open in test report →逐题原始输出Raw per-case outputs ↗
XiYanSQL-QwenCoder-32B-2504
XGenerationLab/XiYanSQL-QwenCoder-32B-2504 · 魔搭 ModelScope59分pts综合分Score59 / 100
成功率Success rate100%(22/22 题有回答)
首 token p50 / p95TTFT p50 / p951047 ms / 1934 ms
生成速度(中位)Tokens/s (median)2 token/s
- 中文知识Chinese knowledge100
- 推理数学Reasoning & math20
- 代码Coding100
- 指令格式Format following67
- 长文本Long context100
- 工具调用Tool calling33
- 防幻觉Anti-hallucination33
中文知识满分Full marks: Chinese knowledge代码满分Full marks: Coding长文本满分Full marks: Long context推理数学弱Weak: Reasoning & math工具调用弱Weak tool calling容易编造Tends to fabricate
专精 SQL 的代码模型:代码题全对,但不会调用工具,推理题大面积失分。
- 适合Good for
- SQL 和代码生成
- 不建议Avoid for
- 通用问答、Agent
在实测报告中查看Open in test report →逐题原始输出Raw per-case outputs ↗
Mistral-Large-Instruct-2407
mistralai/Mistral-Large-Instruct-2407 · 魔搭 ModelScope55分pts综合分Score55 / 100
成功率Success rate100%(22/22 题有回答)
首 token p50 / p95TTFT p50 / p951535 ms / 8860 ms
生成速度(中位)Tokens/s (median)11 token/s
- 中文知识Chinese knowledge100
- 推理数学Reasoning & math40
- 代码Coding67
- 指令格式Format following33
- 长文本Long context0
- 工具调用Tool calling100
- 防幻觉Anti-hallucination33
中文知识满分Full marks: Chinese knowledge工具调用满分Full marks: Tool calling指令格式弱Weak: Format following长文本弱Weak: Long context容易编造Tends to fabricate
工具调用三题全对,但长文本两题全错、格式要求常违反,还编造了《红楼梦》第 121 回情节,速度也慢(约 12 tok/s)。
- 适合Good for
- 中文常识问答、简单工具调用
- 不建议Avoid for
- 长文档问答、严格格式输出、冷门事实
在实测报告中查看Open in test report →逐题原始输出Raw per-case outputs ↗