参数量5B~20B中等尺寸大模型03.13——CLiB大模型排行榜

最新推荐文章于 2025-04-04 19:15:20 发布

easyllm

最新推荐文章于 2025-04-04 19:15:20 发布

阅读量1.1k

点赞数 29

分类专栏：大模型评测【5-20B参数量篇】文章标签：人工智能 AI大模型评测 AI大模型技术语言模型大模型参数 DeepSeek 豆包

本文链接：https://blog.youkuaiyun.com/easyllm/article/details/146567816

版权

大模型评测【5-20B参数量篇】专栏收录该内容

3 篇文章

订阅专栏

评测维度：医疗、教育、法律、行政公务、推理与数学计算、语言与指令遵从。

以下为排行榜：

输出价格单位：（元/M tok）

排名	大模型	机构	输出价格	总分
1	DeepSeek-R1-Distill-Qwen-14B	深度求索	0.70	72.2
2	qwen2.5-14b-instruct	阿里巴巴	6.00	72.1
3	internlm2_5-20b-chat	上海人工智能实验室	1.00	69.3
4	qwen2.5-7b-instruct	阿里巴巴	2.00	68.7
5	internlm2_5-7b-chat	上海人工智能实验室	0.35	67.2
6	glm-4-9b-chat	智谱AI	0.60	66.6
7	phi-4	微软	1.00	62.30
8	Yi-1.5-9B-Chat	零一万物	0.42	58.00
9	gemma-2-9b-it	Google	0.60	54.50
10	Llama-3.1-8B-Instruct	Meta	0.42	52.20
11	DeepSeek-R1-Distill-Qwen-7B	深度求索	0.35	52.00
12	DeepSeek-R1-Distill-Llama-8B	深度求索	0.42	51.80
13	Mistral-Nemo-Instruct-2407	Mistral	0.58	51.60
14	Meta-Llama-3.1-8B-Instruct-fp8	meta	0.36	50.90
15	Mistral-7B-Instruct-v0.3	Mistral	0.40	41.90

医疗领域排行榜：

医疗领域目前囊括8个维度：医师考试-规培结业，医师考试-执业助理医师，医师考试-执业医师，医师考试-中级职称，医师考试-高级职称，护理考试-护士执业资格，护理考试-主管护师，护理考试-高级护师。其中规培结业含外科、皮肤科等18个方向，执业助理医师含临床执业助理医师、口腔执业助理医师等5个方向，执业医师含中西医结合执业医师、公共卫生执业医师等5个方向。

排名	大模型	机构	输出价格	医疗
1	qwen2.5-14b-instruct	阿里巴巴	6.00	68.7
2	internlm2_5-20b-chat	上海人工智能实验室	1.00	66.5
3	internlm2_5-7b-chat	上海人工智能实验室	0.35	66.0
4	qwen2.5-7b-instruct	阿里巴巴	2.00	65.9
5	DeepSeek-R1-Distill-Qwen-14B	深度求索	0.70	63.9
6	glm-4-9b-chat	智谱AI	0.60	58.6
7	phi-4	微软	1.00	44.10
8	Llama-3.1-8B-Instruct	Meta	0.42	42.10
9	Meta-Llama-3.1-8B-Instruct-fp8	meta	0.36	41.50
10	gemma-2-9b-it	Google	0.60	40.20
11	Mistral-Nemo-Instruct-2407	Mistral	0.58	36.20
12	DeepSeek-R1-Distill-Llama-8B	深度求索	0.42	29.30
13	DeepSeek-R1-Distill-Qwen-7B	深度求索	0.35	28.90
14	Mistral-7B-Instruct-v0.3	Mistral	0.40	28.00
15	Yi-1.5-9B-Chat	零一万物	0.42	/

教育领域排行榜：

教育领域目前囊括4个维度：高考，高中各学科，初中各学科，小学各学科。

排名	大模型	机构	输出价格	教育
1	qwen2.5-14b-instruct	阿里巴巴	6.00	85.00
2	DeepSeek-R1-Distill-Qwen-14B	深度求索	0.70	83.70
3	glm-4-9b-chat	智谱AI	0.60	81.30
4	qwen2.5-7b-instruct	阿里巴巴	2.00	80.50
5	internlm2_5-20b-chat	上海人工智能实验室	1.00	78.70
6	internlm2_5-7b-chat	上海人工智能实验室	0.35	72.90
7	Yi-1.5-9B-Chat	零一万物	0.42	69.80
8	phi-4	微软	1.00	66.70
9	DeepSeek-R1-Distill-Qwen-7B	深度求索	0.35	62.60
10	gemma-2-9b-it	Google	0.60	62.30
11	DeepSeek-R1-Distill-Llama-8B	深度求索	0.42	58.40
12	Mistral-Nemo-Instruct-2407	Mistral	0.58	56.60
13	Llama-3.1-8B-Instruct	Meta	0.42	53.30
14	Meta-Llama-3.1-8B-Instruct-fp8	meta	0.36	51.20
15	Mistral-7B-Instruct-v0.3	Mistral	0.40	47.20

法律领域排行榜：

法律领域目前囊括1个维度：JEC-QA律师资格考试。

排名	大模型	机构	输出价格	法律
1	internlm2_5-7b-chat	上海人工智能实验室	0.35	43.80
2	internlm2_5-20b-chat	上海人工智能实验室	1.00	42.70
3	qwen2.5-14b-instruct	阿里巴巴	6.00	42.60
4	qwen2.5-7b-instruct	阿里巴巴	2.00	42.50
5	DeepSeek-R1-Distill-Qwen-14B	深度求索	0.70	42.30
6	glm-4-9b-chat	智谱AI	0.60	38.40
7	Yi-1.5-9B-Chat	零一万物	0.42	31.50
8	phi-4	微软	1.00	23.60
9	Meta-Llama-3.1-8B-Instruct-fp8	meta	0.36	22.90
10	Llama-3.1-8B-Instruct	Meta	0.42	22.20
11	Mistral-Nemo-Instruct-2407	Mistral	0.58	20.90
12	DeepSeek-R1-Distill-Llama-8B	深度求索	0.42	19.90
13	DeepSeek-R1-Distill-Qwen-7B	深度求索	0.35	19.50
14	gemma-2-9b-it	Google	0.60	19.10
15	Mistral-7B-Instruct-v0.3	Mistral	0.40	17.10

行政公务领域排行榜：

行政公务领域目前囊括1个维度：公务员考试。

排名	大模型	机构	输出价格	行政公务
1	DeepSeek-R1-Distill-Qwen-14B	深度求索	0.70	68.00
2	qwen2.5-14b-instruct	阿里巴巴	6.00	67.00
3	internlm2_5-20b-chat	上海人工智能实验室	1.00	66.40
4	phi-4	微软	1.00	66.10
5	glm-4-9b-chat	智谱AI	0.60	64.10
6	internlm2_5-7b-chat	上海人工智能实验室	0.35	62.40
7	qwen2.5-7b-instruct	阿里巴巴	2.00	59.60
8	gemma-2-9b-it	Google	0.60	53.60
9	DeepSeek-R1-Distill-Llama-8B	深度求索	0.42	49.90
10	Llama-3.1-8B-Instruct	Meta	0.42	49.60
11	DeepSeek-R1-Distill-Qwen-7B	深度求索	0.35	48.80
12	Yi-1.5-9B-Chat	零一万物	0.42	45.30
13	Meta-Llama-3.1-8B-Instruct-fp8	meta	0.36	43.20
14	Mistral-Nemo-Instruct-2407	Mistral	0.58	42.40
15	Mistral-7B-Instruct-v0.3	Mistral	0.40	40.90

推理与数学计算领域排行榜：

推理与数学计算领域目前囊括6个维度：演绎推理，常识推理，符号推理BBH，算术能力，七八九年级数学，表格问答。

排名	大模型	机构	输出价格	推理与数学计算
1	DeepSeek-R1-Distill-Qwen-14B	深度求索	0.70	89.80
2	phi-4	微软	1.00	89.80
3	qwen2.5-14b-instruct	阿里巴巴	6.00	82.60
4	DeepSeek-R1-Distill-Qwen-7B	深度求索	0.35	81.30
5	qwen2.5-7b-instruct	阿里巴巴	2.00	80.20
6	DeepSeek-R1-Distill-Llama-8B	深度求索	0.42	79.20
7	internlm2_5-20b-chat	上海人工智能实验室	1.00	77.10
8	Mistral-Nemo-Instruct-2407	Mistral	0.58	75.60
9	internlm2_5-7b-chat	上海人工智能实验室	0.35	74.40
10	glm-4-9b-chat	智谱AI	0.60	74.00
11	Llama-3.1-8B-Instruct	Meta	0.42	73.50
12	Meta-Llama-3.1-8B-Instruct-fp8	meta	0.36	72.70
13	gemma-2-9b-it	Google	0.60	70.60
14	Yi-1.5-9B-Chat	零一万物	0.42	60.90
15	Mistral-7B-Instruct-v0.3	Mistral	0.40	48.60

语言与指令遵从领域排行榜：

语言与指令遵从领域目前囊括10个维度：成语理解，情感分析，分类能力，信息抽取，阅读理解，C3中文阅读理解，代词理解CLUEWSC，诗词匹配CCPM，中文指令遵从。

排名	大模型	机构	输出价格	语言与指令遵从
1	qwen2.5-14b-instruct	阿里巴巴	6.00	86.90
2	DeepSeek-R1-Distill-Qwen-14B	深度求索	0.70	85.60
3	internlm2_5-20b-chat	上海人工智能实验室	1.00	84.40
4	internlm2_5-7b-chat	上海人工智能实验室	0.35	83.70
5	phi-4	微软	1.00	83.50
6	qwen2.5-7b-instruct	阿里巴巴	2.00	83.40
7	glm-4-9b-chat	智谱AI	0.60	83.00
8	gemma-2-9b-it	Google	0.60	81.30
9	Yi-1.5-9B-Chat	零一万物	0.42	79.70
10	Mistral-Nemo-Instruct-2407	Mistral	0.58	77.80
11	DeepSeek-R1-Distill-Llama-8B	深度求索	0.42	74.00
12	Meta-Llama-3.1-8B-Instruct-fp8	meta	0.36	73.70
13	Llama-3.1-8B-Instruct	Meta	0.42	72.60
14	DeepSeek-R1-Distill-Qwen-7B	深度求索	0.35	71.00
15	Mistral-7B-Instruct-v0.3	Mistral	0.40	69.70

完整评测结果详见：https://github.com/jeinlee1991/chinese-llm-benchmark

往期文章

关于大模型评测EasyLLM

首创——行业首创百万级AI大模型错题本
最全——全球最全大模型产品评测平台，已囊括203个大模型
最新——月更各个大模型各项能力指标评测，输出排行榜
最方便——无需注册/梯子，国内外各个大模型可一键评测
结果可见——所有大模型评测的方法、题集、过程、得分结果，可见可追溯！

大模型评测EasyLLM目前已囊括203个大模型，覆盖chatgpt、gpt-4o、o3-mini、谷歌gemini、Claude3.5、智谱GLM-Zero、文心一言、qwen-max、百川、讯飞星火、商汤senseChat、minimax等商用模型，以及DeepSeek-R1、deepseek-v3、qwen2.5、llama3.3、phi-4、glm4、书生internLM2.5等开源大模型。不仅提供能力评分排行榜，也提供所有模型的原始输出结果，以及各个大模型不同维度、不同细分领域的评测错题本！

完整评测题集及结果详见：https://github.com/jeinlee1991/chinese-llm-benchmark