Qwen3.8-27B × CL-bench
阿里巴巴，自部署，xhigh 档，评测于 2026-09-27
分数0.249Accuracy
排名1/ 1同一 benchmark 的全部模型
成本—
输出 token100.2M输入 88.2M
每题耗时—1,899 题 × 4 次
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
0
未通过
第 1 次采样输入 49.4K / 输出 2.8K token
正在加载轨迹…