Qwen3.8-27B × SimpleQA Verified
阿里巴巴，自部署，xhigh 档，评测于 2026-10-19
分数0.111Accuracy
排名4/ 4同一 benchmark 的全部模型
成本—
输出 token6.6M输入 75.7K
每题耗时—1,000 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
- Qwen3-30B-A3B-Instruct-2507
- 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 77 / 输出 11.6K token
正在加载轨迹…