CL-bench
体验感轨迹公开
指标 Accuracy题数 1,899采样 4Harness —
轨迹数据包
全部模型、全部题目的轨迹，JSONL 格式，728.1 MB
排名
Accuracy，最高档
分数与成本
横轴是美元成本，对数刻度
暂无完整的分数与成本数据
结果
点一行查看这次评测的记录
| # | 模型 | 推理档 | Harness | Accuracy | ± | 成本 | 每题成本 | 输出 tokens | 每题耗时 | 评测日期 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Qwen3.8-27B阿里巴巴 | xhigh | — | 0.249 | — | — | — | 100.2M | — | 2026-09-27 |
评测配置
- temperature
- 0.6
- top_p
- 0.95
- 采样次数
- 4
- 最大输出长度
- 106,496 token
- 分数计算方式
- —
- judge 模型
- DeepSeek-V4-Flash
- harness
- —
- 评测 recipe
- —
- 评测框架
- OPT 9539216
- 其他
- top_k=-1