自动生成页面。 本页由 AI 自动撰写和翻译,并由软件对照来源进行核查,无人工编辑。SI-IQ 是基于公开基准测试结果构建的指数,不是智商测试。 工作原理
Qwen3-235B-A22B-Thinking (Jul 2025) 有多聪明？
Qwen3-235B-A22B-Thinking (Jul 2025) 是 Alibaba 于 2025年7月25日 发布的模型。其 SI-IQ 为 111（90% 区间 105–118），由 2 家独立评测方的 5 项基准测试结果估算得出。
基本信息
- 开发方
- Alibaba
- 发布时间
- 2025年7月25日
- 访问方式
- 开放权重（受限许可）
- 所用基准测试
- 来自 2 家评测方的 5 项结果
各领域能力（SI-IQ，90% 区间）
我们使用的每项基准测试结果
每个分数都是来源发布的原始单一数值：Epoch AI 取其各运行设置中的最佳结果，OpenRouter 取托管服务商的中位数（若开发方自行托管并运行了测试，则取其自有托管的结果）。“隐含 SI-IQ”是该单项结果所对应的能力水平；总体 SI-IQ 是这些值按精度加权后的平均值。
| 基准测试 | 得分 | 评测方 | 来源 |
|---|---|---|---|
| Mystery Game Puzzles | 9.0% | Epoch AI | Epoch AI Benchmarking Hub · 数据文件 |
| OTIS Mock AIME 2024–2025 | 86.7% | Epoch AI | Epoch AI Benchmarking Hub · 数据文件 |
| GPQA Diamond | 80.1% | Epoch AI | Epoch AI Benchmarking Hub · 数据文件 |
| GPQA Diamond (OpenRouter run) | 79.5% | OpenRouter | OpenRouter benchmark datasets · 数据文件 |
| SimpleQA Verified | 40.4% | Epoch AI | Epoch AI Benchmarking Hub · 数据文件 |
| τ²-bench Airline (OpenRouter run) | 62.7% | OpenRouter | OpenRouter benchmark datasets · 数据文件 |
人类偏好（Arena）
在 Arena 排行榜上，用户会在两个匿名回答之间投票。Qwen3-235B-A22B-Thinking (Jul 2025) 的评分为 1,400（1,393–1,406），共 8,823 票（发布于 2026年10月15日）。人类偏好与基准测试所衡量的能力是不同的指标，不计入 SI-IQ。 Arena (Hugging Face)
SI-IQ 相近的模型
采用 SI-IQ 方法版本 1.0.0 计算。 阅读完整方法论
数据来源: Arena leaderboard dataset on Hugging Face (CC BY 4.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter..