综合 · %

Open LLM Leaderboard v2

Hugging Face 的开放权重模型排行榜，用 IFEval、BBH、MATH 第 5 级、GPQA、MuSR、MMLU-Pro 六项归一化打分。该榜已于 2025 年归档，不再接受新提交。

已归档数据污染风险: 高 311 条成绩 · 294 个模型更新于 2026年10月22日最新成绩：2025-03-13 · 数据较旧官方榜单 ↗

测什么

由 Hugging Face 用同一套评测框架跑出的六项学术基准归一化平均分。

局限

已归档：不含 2025 年初以后的模型；只有开放权重模型。本站只保留原厂发布的模型，不收社区合并/微调版本。

数据污染风险: 高

固定公开测试集，榜单本身曾标记过污染提交。

排行

前 100 名（共 294 条）

#	模型	厂商	分数	名次	设定	来源类型	日期
1	Qwen2.5-72BOW	Alibaba (Qwen)	48.0%	6	Average of 6 normalised benchmarks; bfloat16; 72.706B params“Qwen/Qwen2.5-72B-Instruct”	官方榜单	2025年3月13日
2	Qwen2.5-32BOW	Alibaba (Qwen)	46.6%	22	Average of 6 normalised benchmarks; bfloat16; 32.764B params“Qwen/Qwen2.5-32B-Instruct”	官方榜单	2025年3月13日
3	Mistral Large 2 (Nov 2024)OW	Mistral AI	46.5%	23	Average of 6 normalised benchmarks; float16; 122.61B params“mistralai/Mistral-Large-Instruct-2411”	官方榜单	2025年3月13日
4	Llama 3.3 70BOW	Meta	44.9%	40	Average of 6 normalised benchmarks; bfloat16; 70.554B params“meta-llama/Llama-3.3-70B-Instruct”	官方榜单	2025年3月13日
5	Qwen2-72BOW	Alibaba (Qwen)	43.6%	58	Average of 6 normalised benchmarks; bfloat16; 72.706B params“Qwen/Qwen2-72B-Instruct”	官方榜单	2025年3月13日
6	Llama 3.1-70BOW	Meta	43.4%	62	Average of 6 normalised benchmarks; bfloat16; 70.554B params“meta-llama/Llama-3.1-70B-Instruct”	官方榜单	2025年3月13日
7	llama-3.1-tulu-3-70bOW	Ai2	42.3%	103	Average of 6 normalised benchmarks; bfloat16; 70.554B params“allenai/Llama-3.1-Tulu-3-70B”	官方榜单	2025年3月13日
8	Tulu 3 (Tülu 3) 70BOW	Ai2	42.2%	107	Average of 6 normalised benchmarks; bfloat16; 70B params“allenai/Llama-3.1-Tulu-3-70B-DPO”	官方榜单	2025年3月13日
9	Qwen2.5-14B-Instruct-1MOW	Alibaba (Qwen)	41.6%	148	Average of 6 normalised benchmarks; bfloat16; 14.77B params“Qwen/Qwen2.5-14B-Instruct-1M”	官方榜单	2025年3月13日
10	Qwen2.5-14BOW	Alibaba (Qwen)	41.3%	173	Average of 6 normalised benchmarks; bfloat16; 14.77B params“Qwen/Qwen2.5-14B-Instruct”	官方榜单	2025年3月13日
11	AceInstruct-72BOW	NVIDIA	40.4%	238	Average of 6 normalised benchmarks; bfloat16; 72.706B params“nvidia/AceInstruct-72B”	官方榜单	2025年3月13日
12	solar-pro-preview-instructOW	upstage	39.9%	272	Average of 6 normalised benchmarks; bfloat16; 22.14B params“upstage/solar-pro-preview-instruct”	官方榜单	2025年3月13日
13	Qwen2.5-Coder-32B-InstructOW	Alibaba (Qwen)	39.9%	276	Average of 6 normalised benchmarks; float16; 32.764B params“Qwen/Qwen2.5-Coder-32B-Instruct”	官方榜单	2025年3月13日
14	Qwen2-VL-72B-InstructOW	Alibaba (Qwen)	39.5%	306	Average of 6 normalised benchmarks; bfloat16; 73.406B params“Qwen/Qwen2-VL-72B-Instruct”	官方榜单	2025年3月13日
15	internlm2_5-20b-chatOW	Shanghai AI Lab (InternLM)	38.9%	348	Average of 6 normalised benchmarks; bfloat16; 19.86B params“internlm/internlm2_5-20b-chat”	官方榜单	2025年3月13日
16	Llama-3.1-Tulu-3-70B-SFTOW	Ai2	38.9%	351	Average of 6 normalised benchmarks; bfloat16; 70.554B params“allenai/Llama-3.1-Tulu-3-70B-SFT”	官方榜单	2025年3月13日
17	Hermes-3-Llama-3.1-70BOW	NousResearch	38.5%	373	Average of 6 normalised benchmarks; bfloat16; 70.554B params“NousResearch/Hermes-3-Llama-3.1-70B”	官方榜单	2025年3月13日
18	DeepSeek-R1-Distill-Qwen-14BOW	DeepSeek	38.2%	392	Average of 6 normalised benchmarks; bfloat16; 14.77B params“deepseek-ai/DeepSeek-R1-Distill-Qwen-14B”	官方榜单	2025年3月13日
19	Qwen2-Math-72B-InstructOW	Alibaba (Qwen)	38.0%	408	Average of 6 normalised benchmarks; bfloat16; 72.706B params“Qwen/Qwen2-Math-72B-Instruct”	官方榜单	2025年3月13日
20	EXAONE-3.5-32B-InstructOW	LGAI-EXAONE	37.6%	435	Average of 6 normalised benchmarks; float16; 32.003B params“LGAI-EXAONE/EXAONE-3.5-32B-Instruct”	官方榜单	2025年3月13日
21	Llama-3.1-Nemotron-70B-Instruct-HFOW	NVIDIA	36.9%	478	Average of 6 normalised benchmarks; bfloat16; 70.554B params“nvidia/Llama-3.1-Nemotron-70B-Instruct-HF”	官方榜单	2025年3月13日
22	Phi-3.5-MoE-instructOW	Microsoft	36.9%	482	Average of 6 normalised benchmarks; bfloat16; 42B params“microsoft/Phi-3.5-MoE-instruct”	官方榜单	2025年3月13日
23	Qwen2.5-Math-72B-InstructOW	Alibaba (Qwen)	36.8%	488	Average of 6 normalised benchmarks; bfloat16; 72.706B params“Qwen/Qwen2.5-Math-72B-Instruct”	官方榜单	2025年3月13日
24	AceMath-72B-InstructOW	NVIDIA	36.7%	504	Average of 6 normalised benchmarks; bfloat16; 72.706B params“nvidia/AceMath-72B-Instruct”	官方榜单	2025年3月13日
25	Falcon3-7B-InstructOW	TII UAE	36.4%	530	Average of 6 normalised benchmarks; bfloat16; 7.456B params“tiiuae/Falcon3-7B-Instruct”	官方榜单	2025年3月13日
26	Llama 3-70BOW	Meta	36.4%	534	Average of 6 normalised benchmarks; bfloat16; 70.554B params“meta-llama/Meta-Llama-3-70B-Instruct”	官方榜单	2025年3月13日
27	Gemma 2 27BOW	Google	36.2%	555	Average of 6 normalised benchmarks; bfloat16; 27.227B params“google/gemma-2-27b-it”	官方榜单	2025年3月13日
28	Falcon3-10B-InstructOW	TII UAE	35.5%	602	Average of 6 normalised benchmarks; bfloat16; 10.306B params“tiiuae/Falcon3-10B-Instruct”	官方榜单	2025年3月13日
29	Qwen2.5-7BOW	Alibaba (Qwen)	35.2%	623	Average of 6 normalised benchmarks; bfloat16; 7.616B params“Qwen/Qwen2.5-7B-Instruct”	官方榜单	2025年3月13日
30	QwQ-32B-PreviewOW	Alibaba (Qwen)	34.1%	717	Average of 6 normalised benchmarks; bfloat16; 32.764B params“Qwen/QwQ-32B-Preview”	官方榜单	2025年3月13日
31	Mixtral 8x22BOW	Mistral AI	33.9%	731	Average of 6 normalised benchmarks; bfloat16; 140.621B params“mistralai/Mixtral-8x22B-Instruct-v0.1”	官方榜单	2025年3月13日
32	Command R+OW	Cohere	33.6%	748	Average of 6 normalised benchmarks; float16; 103.811B params“CohereForAI/c4ai-command-r-plus-08-2024”	官方榜单	2025年3月13日
33	Yi-1.5-34BOW	01.AI	33.4%	767	Average of 6 normalised benchmarks; bfloat16; 34.389B params“01-ai/Yi-1.5-34B-Chat”	官方榜单	2025年3月13日
34	Qwen2.5-Coder-32BOW	Alibaba (Qwen)	33.3%	770	Average of 6 normalised benchmarks; float16; 32.764B params“Qwen/Qwen2.5-Coder-32B”	官方榜单	2025年3月13日
35	Qwen1.5-110BOW	Alibaba (Qwen)	33.1%	776	Average of 6 normalised benchmarks; bfloat16; 111.21B params“Qwen/Qwen1.5-110B-Chat”	官方榜单	2025年3月13日
36	phi-3-medium-4k-instructOW	Microsoft	33.1%	778	Average of 6 normalised benchmarks; bfloat16; 13.96B params“microsoft/Phi-3-medium-4k-instruct”	官方榜单	2025年3月13日
37	AceInstruct-7BOW	NVIDIA	33.1%	786	Average of 6 normalised benchmarks; bfloat16; 7.616B params“nvidia/AceInstruct-7B”	官方榜单	2025年3月13日
38	Qwen2-57B-A14B-InstructOW	Alibaba (Qwen)	33.0%	788	Average of 6 normalised benchmarks; bfloat16; 57.409B params“Qwen/Qwen2-57B-A14B-Instruct”	官方榜单	2025年3月13日
39	internlm2_5-7b-chatOW	Shanghai AI Lab (InternLM)	33.0%	792	Average of 6 normalised benchmarks; float16; 7.738B params“internlm/internlm2_5-7b-chat”	官方榜单	2025年3月13日
40	Qwen2.5-7B-Instruct-1MOW	Alibaba (Qwen)	32.8%	798	Average of 6 normalised benchmarks; bfloat16; 7.616B params“Qwen/Qwen2.5-7B-Instruct-1M”	官方榜单	2025年3月13日
41	EXAONE-3.5-7.8B-InstructOW	LGAI-EXAONE	32.5%	809	Average of 6 normalised benchmarks; float16; 7.818B params“LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct”	官方榜单	2025年3月13日
42	phi-3-small 7.4BOW	Microsoft	32.3%	828	Average of 6 normalised benchmarks; bfloat16; 7.392B params“microsoft/Phi-3-small-8k-instruct”	官方榜单	2025年3月13日
43	Qwen2.5-Coder-14B-InstructOW	Alibaba (Qwen)	32.1%	838	Average of 6 normalised benchmarks; bfloat16; 14.77B params“Qwen/Qwen2.5-Coder-14B-Instruct”	官方榜单	2025年3月13日
44	Gemma 2 9BOW	Google	32.1%	843	Average of 6 normalised benchmarks; bfloat16; 9B params“google/gemma-2-9b-it”	官方榜单	2025年3月13日
45	phi-3-medium 14BOW	Microsoft	32.0%	847	Average of 6 normalised benchmarks; bfloat16; 13.96B params“microsoft/Phi-3-medium-128k-instruct”	官方榜单	2025年3月13日
46	DeepHermes-3-Mistral-24B-PreviewOW	NousResearch	32.0%	853	Average of 6 normalised benchmarks; bfloat16; 23.572B params“NousResearch/DeepHermes-3-Mistral-24B-Preview”	官方榜单	2025年3月13日
47	Phi-3-small-128k-instructOW	Microsoft	32.0%	854	Average of 6 normalised benchmarks; bfloat16; 7.392B params“microsoft/Phi-3-small-128k-instruct”	官方榜单	2025年3月13日
48	c4ai-command-r7b-12-2024OW	Cohere	31.6%	880	Average of 6 normalised benchmarks; bfloat16; 8.028B params“CohereForAI/c4ai-command-r7b-12-2024”	官方榜单	2025年3月13日
49	c4ai-command-r-plusOW	Cohere	30.9%	921	Average of 6 normalised benchmarks; float16; 103.811B params“CohereForAI/c4ai-command-r-plus”	官方榜单	2025年3月13日
50	Granite-3.2-8B-InstructOW	IBM	30.8%	932	Average of 6 normalised benchmarks; bfloat16; 8.171B params“ibm-granite/granite-3.2-8b-instruct”	官方榜单	2025年3月13日
51	Granite-3.1-8B-InstructOW	IBM	30.6%	945	Average of 6 normalised benchmarks; float16; 8.171B params“ibm-granite/granite-3.1-8b-instruct”	官方榜单	2025年3月13日
52	Phi-4OW	Microsoft Research	30.4%	969	Average of 6 normalised benchmarks; bfloat16; 14.66B params“microsoft/phi-4”	官方榜单	2025年3月13日
53	AceMath-7B-InstructOW	NVIDIA	30.3%	972	Average of 6 normalised benchmarks; bfloat16; 7.616B params“nvidia/AceMath-7B-Instruct”	官方榜单	2025年3月13日
54	Mistral-Small-Instruct-2409OW	Mistral AI	29.9%	1044	Average of 6 normalised benchmarks; float16; 22.247B params“mistralai/Mistral-Small-Instruct-2409”	官方榜单	2025年3月13日
55	Aya-Expanse-32BOW	Cohere	29.7%	1075	Average of 6 normalised benchmarks; float16; 32.296B params“CohereForAI/aya-expanse-32b”	官方榜单	2025年3月13日
56	Yi-1.5-9B-ChatOW	01.AI	29.5%	1105	Average of 6 normalised benchmarks; bfloat16; 8.829B params“01-ai/Yi-1.5-9B-Chat”	官方榜单	2025年3月13日
57	Phi-4-miniOW	Microsoft	29.4%	1121	Average of 6 normalised benchmarks; bfloat16; 3.836B params“microsoft/Phi-4-mini-instruct”	官方榜单	2025年3月13日
58	Qwen1.5-32BOW	Alibaba (Qwen)	29.3%	1145	Average of 6 normalised benchmarks; bfloat16; 32.512B params“Qwen/Qwen1.5-32B-Chat”	官方榜单	2025年3月13日
59	Phi-3.5-miniOW	Microsoft	28.2%	1276	Average of 6 normalised benchmarks; bfloat16; 3.821B params“microsoft/Phi-3.5-mini-instruct”	官方榜单	2025年3月13日
60	Falcon3-Mamba-7B-InstructOW	TII	28.1%	1282	Average of 6 normalised benchmarks; bfloat16; 7.273B params“tiiuae/Falcon3-Mamba-7B-Instruct”	官方榜单	2025年3月13日
61	Qwen2.5-Coder (7B)OW	Alibaba (Qwen)	28.1%	1287	Average of 6 normalised benchmarks; bfloat16; 7.616B params“Qwen/Qwen2.5-Coder-7B-Instruct”	官方榜单	2025年3月13日
62	Qwen2-7B-InstructOW	Alibaba (Qwen)	27.9%	1305	Average of 6 normalised benchmarks; bfloat16; 7.616B params“Qwen/Qwen2-7B-Instruct”	官方榜单	2025年3月13日
63	DeepSeek-R1-Distill-Llama-70BOW	DeepSeek	27.8%	1320	Average of 6 normalised benchmarks; bfloat16; 70.554B params“deepseek-ai/DeepSeek-R1-Distill-Llama-70B”	官方榜单	2025年3月13日
64	Falcon3-10B-BaseOW	TII	27.6%	1334	Average of 6 normalised benchmarks; bfloat16; 10.306B params“tiiuae/Falcon3-10B-Base”	官方榜单	2025年3月13日
65	phi-3-mini 3.8BOW	Microsoft	27.6%	1339	Average of 6 normalised benchmarks; float16; 3.821B params“microsoft/Phi-3-mini-4k-instruct”	官方榜单	2025年3月13日
66	nous-hermes-2-mixtral-8x7b-dpoOW	NousResearch	27.4%	1357	Average of 6 normalised benchmarks; bfloat16; 46.703B params“NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO”	官方榜单	2025年3月13日
67	DeepSeek LLM 67BOW	DeepSeek	27.3%	1360	Average of 6 normalised benchmarks; bfloat16; 67B params“deepseek-ai/deepseek-llm-67b-chat”	官方榜单	2025年3月13日
68	Mistral-Small-24B-Base-2501OW	Mistral AI	27.2%	1370	Average of 6 normalised benchmarks; bfloat16; 23.572B params“mistralai/Mistral-Small-24B-Base-2501”	官方榜单	2025年3月13日
69	Qwen2.5-3BOW	Alibaba (Qwen)	27.2%	1378	Average of 6 normalised benchmarks; bfloat16; 3B params“Qwen/Qwen2.5-3B-Instruct”	官方榜单	2025年3月13日
70	EXAONE-3.5-2.4B-InstructOW	LGAI-EXAONE	27.1%	1379	Average of 6 normalised benchmarks; float16; 2.405B params“LGAI-EXAONE/EXAONE-3.5-2.4B-Instruct”	官方榜单	2025年3月13日
71	Falcon3-3B-InstructOW	TII UAE	26.6%	1433	Average of 6 normalised benchmarks; bfloat16; 3.228B params“tiiuae/Falcon3-3B-Instruct”	官方榜单	2025年3月13日
72	qwen2-vl-7b-instructOW	Alibaba (Qwen)	26.5%	1443	Average of 6 normalised benchmarks; bfloat16; 8.291B params“Qwen/Qwen2-VL-7B-Instruct”	官方榜单	2025年3月13日
73	Llama-3.1-Tulu-3-8B-DPOOW	Ai2	26.5%	1446	Average of 6 normalised benchmarks; bfloat16; 8B params“allenai/Llama-3.1-Tulu-3-8B-DPO”	官方榜单	2025年3月13日
74	llama-3.1-tulu-3-8bOW	Ai2	26.3%	1471	Average of 6 normalised benchmarks; float16; 8.03B params“allenai/Llama-3.1-Tulu-3-8B”	官方榜单	2025年3月13日
75	c4ai-command-r-v01OW	Cohere	25.9%	1516	Average of 6 normalised benchmarks; float16; 34.981B params“CohereForAI/c4ai-command-r-v01”	官方榜单	2025年3月13日
76	EXAONE-3.0-7.8B-InstructOW	LGAI-EXAONE	25.7%	1546	Average of 6 normalised benchmarks; bfloat16; 7.8B params“LGAI-EXAONE/EXAONE-3.0-7.8B-Instruct”	官方榜单	2025年3月13日
77	DBRXOW	Databricks	25.2%	1607	Average of 6 normalised benchmarks; bfloat16; 131.597B params“databricks/dbrx-instruct”	官方榜单	2025年3月13日
78	Qwen2.5-Coder-14BOW	Alibaba (Qwen)	24.8%	1651	Average of 6 normalised benchmarks; bfloat16; 14.77B params“Qwen/Qwen2.5-Coder-14B”	官方榜单	2025年3月13日
79	Hermes-2-Theta-Llama-3-8BOW	NousResearch	24.8%	1657	Average of 6 normalised benchmarks; bfloat16; 8.03B params“NousResearch/Hermes-2-Theta-Llama-3-8B”	官方榜单	2025年3月13日
80	aya-23-35BOW	Cohere	24.8%	1661	Average of 6 normalised benchmarks; float16; 34.981B params“CohereForAI/aya-23-35B”	官方榜单	2025年3月13日
81	Falcon3-7B-BaseOW	TII	24.8%	1665	Average of 6 normalised benchmarks; bfloat16; 7.456B params“tiiuae/Falcon3-7B-Base”	官方榜单	2025年3月13日
82	Mistral NeMoOW	Mistral AI	24.7%	1676	Average of 6 normalised benchmarks; bfloat16; 12.248B params“mistralai/Mistral-Nemo-Instruct-2407”	官方榜单	2025年3月13日
83	Yi-34BOW	01.AI	24.2%	1759	Average of 6 normalised benchmarks; bfloat16; 34.389B params“01-ai/Yi-34B-Chat”	官方榜单	2025年3月13日
84	Llama-3.2-3B-InstructOW	Meta	24.2%	1768	Average of 6 normalised benchmarks; bfloat16; 3.213B params“meta-llama/Llama-3.2-3B-Instruct”	官方榜单	2025年3月13日
85	Ministral 8BOW	Mistral AI	24.2%	1776	Average of 6 normalised benchmarks; bfloat16; 8.02B params“mistralai/Ministral-8B-Instruct-2410”	官方榜单	2025年3月13日
86	granite-3.0-8b-instructOW	IBM	24.0%	1825	Average of 6 normalised benchmarks; bfloat16; 8.171B params“ibm-granite/granite-3.0-8b-instruct”	官方榜单	2025年3月13日
87	Llama 3-8BOW	Meta	23.9%	1868	Average of 6 normalised benchmarks; bfloat16; 8.03B params“meta-llama/Meta-Llama-3-8B-Instruct”	官方榜单	2025年3月13日
88	Mixtral 8x7BOW	Mistral AI	23.8%	1884	Average of 6 normalised benchmarks; bfloat16; 46.703B params“mistralai/Mixtral-8x7B-Instruct-v0.1”	官方榜单	2025年3月13日
89	Llama 3.1-8BOW	Meta	23.8%	1905	Average of 6 normalised benchmarks; float16; 8.03B params“meta-llama/Llama-3.1-8B-Instruct”	官方榜单	2025年3月13日
90	Mistral-NeMo-Minitron-8B-InstructOW	NVIDIA	23.6%	1949	Average of 6 normalised benchmarks; bfloat16; 8.414B params“nvidia/Mistral-NeMo-Minitron-8B-Instruct”	官方榜单	2025年3月13日
91	Qwen1.5-14BOW	Alibaba (Qwen)	23.6%	1952	Average of 6 normalised benchmarks; bfloat16; 14.167B params“Qwen/Qwen1.5-14B-Chat”	官方榜单	2025年3月13日
92	Hermes-3-Llama-3.1-8BOW	NousResearch	23.5%	1976	Average of 6 normalised benchmarks; bfloat16; 8.03B params“NousResearch/Hermes-3-Llama-3.1-8B”	官方榜单	2025年3月13日
93	Nous-Hermes-2-SOLAR-10.7BOW	NousResearch	23.4%	2003	Average of 6 normalised benchmarks; bfloat16; 10.732B params“NousResearch/Nous-Hermes-2-SOLAR-10.7B”	官方榜单	2025年3月13日
94	Codestral-22B-v0.1OW	Mistral AI	23.3%	2028	Average of 6 normalised benchmarks; bfloat16; 22.247B params“mistralai/Codestral-22B-v0.1”	官方榜单	2025年3月13日
95	DeepSeek-R1-Distill-Qwen-32BOW	DeepSeek	23.0%	2100	Average of 6 normalised benchmarks; bfloat16; 32.764B params“deepseek-ai/DeepSeek-R1-Distill-Qwen-32B”	官方榜单	2025年3月13日
96	Stable Beluga 2OW	Stability AI	22.8%	2129	Average of 6 normalised benchmarks; bfloat16; 68.977B params“stabilityai/StableBeluga2”	官方榜单	2025年3月13日
97	Yi-1.5-6B-ChatOW	01.AI	22.8%	2136	Average of 6 normalised benchmarks; bfloat16; 6.061B params“01-ai/Yi-1.5-6B-Chat”	官方榜单	2025年3月13日
98	Llama-3.1-Tulu-3-8B-SFTOW	Ai2	22.6%	2187	Average of 6 normalised benchmarks; bfloat16; 8.03B params“allenai/Llama-3.1-Tulu-3-8B-SFT”	官方榜单	2025年3月13日
99	Aya-Expanse-8BOW	Cohere	22.4%	2218	Average of 6 normalised benchmarks; float16; 8.028B params“CohereForAI/aya-expanse-8b”	官方榜单	2025年3月13日
100	Yi-1.5-9BOW	01.AI	22.1%	2256	Average of 6 normalised benchmarks; bfloat16; 8.829B params“01-ai/Yi-1.5-9B”	官方榜单	2025年3月13日

数据来源与许可

来源	许可 / 条款	本站使用方式	最近抓取
Hugging Face Open LLM Leaderboard v2 (archived) Hugging Face, Open LLM Leaderboard (archived 2025)	No licence tag – factual scores only, with citation	无明确许可：只收事实性分数并注明出处 4576 rows in archive; 353 official-developer models kept	2026年10月22日

← 全部基准 · 了解评测基准是怎么回事

常见问题

Open LLM Leaderboard v2 测的是什么？

Hugging Face 的开放权重模型排行榜，用 IFEval、BBH、MATH 第 5 级、GPQA、MuSR、MMLU-Pro 六项归一化打分。该榜已于 2025 年归档，不再接受新提交。由 Hugging Face 用同一套评测框架跑出的六项学术基准归一化平均分。

Open LLM Leaderboard v2 的结果可靠吗？

已归档：不含 2025 年初以后的模型；只有开放权重模型。本站只保留原厂发布的模型，不收社区合并/微调版本。数据污染风险: 高 – 固定公开测试集，榜单本身曾标记过污染提交。