待验证50% 置信基准精确时间

Qwen模型在HumanEval、MBPP等编程基准测试,以及GSM8K等数学推理测试中持续刷新记录,成为开源模型中的性能标杆

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/9/9

首次发现

有效期至：2026/9/23

来源

Gemma 5能否坚守对话优先？避免本地模型同质化陷阱

涉及实体

Qwenmodel HumanEvalbenchmark MBPPbenchmark GSM8Kbenchmark

相关事实

待验证过程奖励模型（PRM）在GSM8K等数学推理基准测试中显著提升了模型的推理准确率70% 相似待验证Qwen（通义千问）在开源大模型领域多个尺寸的模型在各类评测榜单上名列前茅，尤其在中文能力和代码生成方面广受认可70% 相似待验证千问（Qwen）系列模型在训练数据中包含大量高质量代码语料，并针对代码生成、补全和Bug修复进行了专门的指令微调69% 相似待验证Qwen模型可以通过LM Studio部署并用于本地推理68% 相似待验证大量国产模型以通义千问（Qwen）等开源模型为基座，在此基础上完成预训练和微调后对外发布68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/881624

API

curl https://kongchang.com/api/v1/knowledge/claims/881624

MCP

get_claim(id=881624)