Возможности больших языковых моделей; демонстрационные данные; замена с выравниванием по публичным бенчмаркам.
Сводный балл может быть разложен на рассуждения, код, мультиязычность, безопасность; в «Методология» указываются версии бенчмарков и политика использования инструментов.
Public ranking policy: rows are sorted by composite score (desc). Composite score is a weighted sum of normalized sub-metrics; ties are broken by higher recent activity.
| Ранг | Модель | Вендор | Размер | Балл | Заметки |
|---|---|---|---|---|---|
| 1 | Nova-Large-2 | Nova AI | ~400B MoE | 95 | 推理模式 |
| 2 | Summit-Pro | Summit | ~200B | 93.4 | 指令跟随强 |
| 3 | DeepLine-R1 | DeepLine | ~70B | 91.9 | 开源权重 |
| 4 | Cedar-32B | Cedar | 32B | 89.7 | 中英均衡 |
| 5 | Birch-Mini | Birch | 8B | 87.3 | 端侧部署 |
| 6 | Fjord-1.5 | Fjord Labs | 14B | 86.1 | 工具调用 |
| 7 | Ridge-Code | Ridge | 33B | 85 | 代码专项 |
| 8 | Willow-Base | Willow | 3B | 82.4 | 极低延迟 |