Qwen3 235B
阿里巴巴推出的Qwen3系列开源大语言模型，参数量235B，采用MoE架构，支持混合推理模式
时间轴 (近 90 天)
基准测试涵盖来自6个实验室的9款模型，包括Qwen3 235B、Claude Haiku 4.5、Claude Opus 5.5、Gemini系列、GPT-5.4系列、GLM-5和Grok 4.20，其中4款是推理模型
Qwen3 235B 运行的是Kaggle目录中的2506版本而非原规格的2507版本，Gemini 3.7 Flash 是Kaggle模板的默认占位模型
开源模型得分较低：Qwen3 235B得11/12、Gemma 4两个尺寸均为9/12、DeepSeek R1得7/12、GLM-5得5/12
gpt-oss-120b 保留了12个预订中的11个，但零拒绝注入，将钓鱼邮件中的虚假地址写入护照；Qwen3 235B 也把同一地址存进voucher字段
对打错的日期等虚假信息，正确做法是'抹除'而非'变更'；gpt-oss-120b 只做对42%的更正，Qwen3 235B 只有一半
全部知识事实 (5)
基准测试涵盖来自6个实验室的9款模型，包括Qwen3 235B、Claude Haiku 4.5、Claude Opus 5.5、Gemini系列、GPT-5.4系列、GLM-5和Grok 4.20，其中4款是推理模型
50%待验证Qwen3 235B 运行的是Kaggle目录中的2506版本而非原规格的2507版本，Gemini 3.7 Flash 是Kaggle模板的默认占位模型
50%待验证开源模型得分较低：Qwen3 235B得11/12、Gemma 4两个尺寸均为9/12、DeepSeek R1得7/12、GLM-5得5/12
50%待验证gpt-oss-120b 保留了12个预订中的11个，但零拒绝注入，将钓鱼邮件中的虚假地址写入护照；Qwen3 235B 也把同一地址存进voucher字段
50%待验证对打错的日期等虚假信息，正确做法是'抹除'而非'变更'；gpt-oss-120b 只做对42%的更正，Qwen3 235B 只有一半
50%