综合性能与选型
模态: 文本 (Text)
更新频率: weekly
● 自动定时拉取
Hugging Face Open LLM Leaderboard v2
开源模型公认权威基准，升级为包含 IFEval, BBH, MATH-Hard, GPQA, MuSR, MMLU-PRO 的新一代测试集。
💡 评测口径提示： 严格防止测试集污染，直连 Hugging Face 官方后端 API。
最后核验：2026-10-26
模型最新排名快照
共收录 15 款模型。数据均保留原榜单给出的分数与分项维度。
| 名次 | 模型名称 | 统一标识 | 机构 | 核心分值 | 分项指标明细 | 备注说明 | 跨榜对比 |
|---|---|---|---|---|---|---|---|
| 1 | MaziyarPanahi/calme-3.2-instruct-78b | maziyarpanahi-calme-3.2-instruct-78b | MaziyarPanahi | 52.08 | Average Score: 52.08 IFEval: 80.63 BBH: 62.61 MATH L5: 40.33 GPQA: 20.36 MuSR: 38.53 MMLU-PRO: 70.03 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 2 | MaziyarPanahi/calme-3.1-instruct-78b | maziyarpanahi-calme-3.1-instruct-78b | MaziyarPanahi | 51.29 | Average Score: 51.29 IFEval: 81.36 BBH: 62.41 MATH L5: 39.27 GPQA: 19.46 MuSR: 36.5 MMLU-PRO: 68.72 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 3 | dfurman/CalmeRys-78B-Orpo-v0.1 | dfurman-calmerys-78b-orpo-v0.1 | dfurman | 51.23 | Average Score: 51.23 IFEval: 81.63 BBH: 61.92 MATH L5: 40.63 GPQA: 20.02 MuSR: 36.37 MMLU-PRO: 66.8 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 4 | MaziyarPanahi/calme-2.4-rys-78b | maziyarpanahi-calme-2.4-rys-78b | MaziyarPanahi | 50.77 | Average Score: 50.77 IFEval: 80.11 BBH: 62.16 MATH L5: 40.71 GPQA: 20.36 MuSR: 34.57 MMLU-PRO: 66.69 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 5 | huihui-ai/Qwen2.5-72B-Instruct-abliterated | huihui-ai-qwen2.5-72b-instruct-abliterated | huihui-ai | 48.11 | Average Score: 48.11 IFEval: 85.93 BBH: 60.49 MATH L5: 60.12 GPQA: 19.35 MuSR: 12.34 MMLU-PRO: 50.41 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 6 | Qwen/Qwen2.5-72B-Instruct | qwen-qwen2.5-72b-instruct | Qwen | 47.98 | Average Score: 47.98 IFEval: 86.38 BBH: 61.87 MATH L5: 59.82 GPQA: 16.67 MuSR: 11.74 MMLU-PRO: 51.4 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 7 | MaziyarPanahi/calme-2.1-qwen2.5-72b | maziyarpanahi-calme-2.1-qwen2.5-72b | MaziyarPanahi | 47.86 | Average Score: 47.86 IFEval: 86.62 BBH: 61.66 MATH L5: 59.14 GPQA: 15.1 MuSR: 13.3 MMLU-PRO: 51.32 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 8 | newsbang/Homer-v1.0-Qwen2.5-72B | newsbang-homer-v1.0-qwen2.5-72b | newsbang | 47.46 | Average Score: 47.46 IFEval: 76.28 BBH: 62.27 MATH L5: 49.02 GPQA: 22.15 MuSR: 17.9 MMLU-PRO: 57.17 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 9 | ehristoforu/qwen2.5-test-32b-it | ehristoforu-qwen2.5-test-32b-it | ehristoforu | 47.37 | Average Score: 47.37 IFEval: 78.89 BBH: 58.28 MATH L5: 59.74 GPQA: 15.21 MuSR: 19.13 MMLU-PRO: 52.95 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 10 | Saxo/Linkbricks-Horizon-AI-Avengers-V1-32B | saxo-linkbricks-horizon-ai-avengers-v1-32b | Saxo | 47.34 | Average Score: 47.34 IFEval: 79.72 BBH: 57.63 MATH L5: 60.27 GPQA: 14.99 MuSR: 18.16 MMLU-PRO: 53.25 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 11 | MaziyarPanahi/calme-2.2-qwen2.5-72b | maziyarpanahi-calme-2.2-qwen2.5-72b | MaziyarPanahi | 47.22 | Average Score: 47.22 IFEval: 84.77 BBH: 61.8 MATH L5: 58.91 GPQA: 14.54 MuSR: 12.02 MMLU-PRO: 51.31 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 12 | fluently-lm/FluentlyLM-Prinum | fluently-lm-fluentlylm-prinum | fluently-lm | 47.22 | Average Score: 47.22 IFEval: 80.9 BBH: 59.48 MATH L5: 54 GPQA: 18.23 MuSR: 17.26 MMLU-PRO: 53.42 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 13 | JungZoona/T3Q-Qwen2.5-14B-Instruct-1M-e3 | jungzoona-t3q-qwen2.5-14b-instruct-1m-e3 | JungZoona | 47.09 | Average Score: 47.09 IFEval: 73.24 BBH: 65.47 MATH L5: 28.63 GPQA: 22.26 MuSR: 38.69 MMLU-PRO: 54.27 | 架构: Unknown, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 14 | JungZoona/T3Q-qwen2.5-14b-v1.0-e3 | jungzoona-t3q-qwen2.5-14b-v1.0-e3 | JungZoona | 47.09 | Average Score: 47.09 IFEval: 73.24 BBH: 65.47 MATH L5: 28.63 GPQA: 22.26 MuSR: 38.69 MMLU-PRO: 54.27 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
| 15 | zetasepic/Qwen2.5-32B-Instruct-abliterated-v2 | zetasepic-qwen2.5-32b-instruct-abliterated-v2 | zetasepic | 46.89 | Average Score: 46.89 IFEval: 83.34 BBH: 56.53 MATH L5: 59.52 GPQA: 15.66 MuSR: 14.93 MMLU-PRO: 51.35 | 架构: Qwen2ForCausalLM, 权重类型: Original, 精度: bfloat16 | 对比 → |
快照采集说明： 直接实时抓取自 Hugging Face Open LLM Leaderboard v2 官方 Space 服务端（覆盖 4576 个最新开源大模型测评数据）。
📊 本榜单指标与评价方法说明
选型决策建议：结合具体应用场景（如代码辅助、企业知识库检索、对话推理）参考专有指标，切勿以单一数值判定模型整体优劣。
Average Score
对应 Hugging Face Open LLM Leaderboard v2 评测基准中的测量项目。具体测试集构建、评测提示词与评分规则详见 官方文档 。
IFEval
对应 Hugging Face Open LLM Leaderboard v2 评测基准中的测量项目。具体测试集构建、评测提示词与评分规则详见 官方文档 。
BBH
对应 Hugging Face Open LLM Leaderboard v2 评测基准中的测量项目。具体测试集构建、评测提示词与评分规则详见 官方文档 。
MATH L5
对应 Hugging Face Open LLM Leaderboard v2 评测基准中的测量项目。具体测试集构建、评测提示词与评分规则详见 官方文档 。
GPQA
对应 Hugging Face Open LLM Leaderboard v2 评测基准中的测量项目。具体测试集构建、评测提示词与评分规则详见 官方文档 。
MuSR
对应 Hugging Face Open LLM Leaderboard v2 评测基准中的测量项目。具体测试集构建、评测提示词与评分规则详见 官方文档 。
MMLU-PRO
对应 Hugging Face Open LLM Leaderboard v2 评测基准中的测量项目。具体测试集构建、评测提示词与评分规则详见 官方文档 。