Qwen3.8-27B × HLE
阿里巴巴，自部署，xhigh 档，评测于 2026-10-20
分数0.311Accuracy
排名1/ 1同一 benchmark 的全部模型
成本—
输出 token77.7M输入 710.8K
每题耗时—2,158 题 × 1 次
评测配置
- temperature
- 0.6
- top_p
- 1
- 采样次数
- 1
- 最大输出长度
- 65,536 token
- 分数计算方式
- —
- judge 模型
- Qwen3-235B-A22B
- harness
- —
- 评测 recipe
- —
- 评测框架
- OPT 1478395
- 其他
- top_k=-1
0
未通过
第 1 次采样输入 110 / 输出 15.4K token
正在加载轨迹…