Qwen: Qwen3 235B A22B Instruct 2507

Przedstawiamy zaktualizowaną wersję trybu bez myślenia Qwen3-235B-A22B, nazwaną Qwen3-235B-A22B-Instruct-2507, zawierającą następujące kluczowe ulepszenia:

• Znaczące ulepszenia ogólnych możliwości, w tym podążania za instrukcjami, logicznego rozumowania, rozumienia tekstu, matematyki, nauk ścisłych, kodowania i korzystania z narzędzi.
• Znaczące zyski w pokryciu wiedzy długiego ogona w wielu językach.
• Wyraźnie lepsze dopasowanie do preferencji użytkowników w subiektywnych i otwartych zadaniach, umożliwiające bardziej pomocne odpowiedzi i wyższą jakość generowania tekstu.
• Ulepszone możliwości w rozumieniu długiego kontekstu 256K. Qwen3-235B-A22B-Instruct-2507 ma następujące cechy:
• Typ: Przyczynowe modele językowe
• Etap treningu: Pre-trening i post-trening
• Liczba parametrów: 235B ogółem i 22B aktywowanych
• Liczba parametrów (bez osadzania): 234B
• Liczba warstw: 94
• Liczba głów uwagi (GQA): 64 dla Q i 4 dla KV
• Liczba ekspertów: 128
• Liczba aktywowanych ekspertów: 8
• Długość kontekstu: 262 144 natywnie i rozszerzalna do 1 010 000 tokenów UWAGA: Ten model obsługuje tylko tryb bez myślenia i nie generuje bloków w swoim wyjściu. Jednocześnie określanie enable_thinking=False` nie jest już wymagane. Aby uzyskać więcej szczegółów, w tym ocenę benchmarków, wymagania sprzętowe i wydajność wnioskowania, zapoznaj się z naszym blogiem, GitHub i dokumentacją.

Deepseek-V3-0324	GPT-4o-0327	Claude Opus 4 Non-thinking	Kimi K2	Qwen3-235B-A22B Non-thinking	Qwen3-235B-A22B-Instruct-2507

| Knowledge | | MMLU-Pro | 81.2 | 79.8 | 86.6 | 81.1 | 75.2 | 83.0 | | MMLU-Redux | 90.4 | 91.3 | 94.2 | 92.7 | 89.2 | 93.1 | | GPQA | 68.4 | 66.9 | 74.9 | 75.1 | 62.9 | 77.5 | | SuperGPQA | 57.3 | 51.0 | 56.5 | 57.2 | 48.2 | 62.6 | | SimpleQA | 27.2 | 40.3 | 22.8 | 31.0 | 12.2 | 54.3 | | CSimpleQA | 71.1 | 60.2 | 68.0 | 74.5 | 60.8 | 84.3 | | Reasoning | | AIME25 | 46.6 | 26.7 | 33.9 | 49.5 | 24.7 | 70.3 | | HMMT25 | 27.5 | 7.9 | 15.9 | 38.8 | 10.0 | 55.4 | | ARC-AGI | 9.0 | 8.8 | 30.3 | 13.3 | 4.3 | 41.8 | | ZebraLogic | 83.4 | 52.6 | – | 89.0 | 37.7 | 95.0 | | LiveBench 20241125 | 66.9 | 63.7 | 74.6 | 76.4 | 62.5 | 75.4 | | Coding | | LiveCodeBench v6 (25.02-25.05) | 45.2 | 35.8 | 44.6 | 48.9 | 32.9 | 51.8 | | MultiPL-E | 82.2 | 82.7 | 88.5 | 85.7 | 79.3 | 87.9 | | Aider-Polyglot | 55.1 | 45.3 | 70.7 | 59.0 | 59.6 | 57.3 | | Alignment | | IFEval | 82.3 | 83.9 | 87.4 | 89.8 | 83.2 | 88.7 | | Arena-Hard v2 | 45.6 | 61.9 | 51.5 | 66.1 | 52.0 | 79.2 | | Creative Writing v3 | 81.6 | 84.9 | 83.8 | 88.1 | 80.4 | 87.5 | | WritingBench | 74.5 | 75.5 | 79.2 | 86.2 | 77.0 | 85.2 | | Agent | | BFCL-v3 | 64.7 | 66.5 | 60.1 | 65.2 | 68.0 | 70.9 | | TAU1-Retail | 49.6 | 60.3# | 81.4 | 70.7 | 65.2 | 71.3 | | TAU1-Airline | 32.0 | 42.8# | 59.6 | 53.5 | 32.0 | 44.0 | | TAU2-Retail | 71.1 | 66.7# | 75.5 | 70.6 | 64.9 | 74.6 | | TAU2-Airline | 36.0 | 42.0# | 55.5 | 56.5 | 36.0 | 50.0 | | TAU2-Telecom | 34.0 | 29.8# | 45.2 | 65.8 | 24.6 | 32.5 | | Multilingualism | | MultiIF | 66.5 | 70.4 | – | 76.2 | 70.2 | 77.5 | | MMLU-ProX | 75.8 | 76.2 | – | 74.5 | 73.2 | 79.4 | | INCLUDE | 80.1 | 82.1 | – | 76.9 | 75.6 | 79.5 | | PolyMATH | 32.2 | 25.5 | 30.0 | 44.8 | 27.0 | 50.2 | : Dla odtwarzalności podajemy wskaźniki wygranych ocenione przez GPT-4.1. \#: Wyniki zostały wygenerowane przy użyciu GPT-4o-20241120, ponieważ dostęp do natywnego API wywoływania funkcji GPT-4o-0327 był niedostępny.