ModelChorusModelChorus
چیلنجچیٹلیڈربورڈسوائپ کریںبینچ مارکستاریخ
یہ کیسے کام کرتا ہےAPIسروس کی شرائطرازداری کی پالیسی

کاپی رائٹ 2026 MeetKai Inc.

بینچ مارکس/GLM 5/تمام ٹاسک

GLM 5

12 ٹاسک

نیچے ہر قطار ایک واحد بینچ مارک ٹاسک ہے جس پر اس ماڈل کا جائزہ لیا گیا۔ اسکور کالم اس ٹاسک کی رپورٹ کردہ ہر میٹرک (درستگی، F1، exact-match وغیرہ) کی اوسط نکالتا ہے۔ انفرادی سوالات اور ماڈل کے جوابات دیکھنے کے لیے کسی قطار پر کلک کریں۔

اوسط
57.0
اسکورزبانٹاسکمیٹرکس
87.3Swahili (Tanzania)
swahili_sib200
swahili classification
f1_macro: 87.3sample_len: 204.0
f1_macro: 87.3sample_len: 204.0
85.7English (US)
english_gsm8k
english math
exact_match: 85.7sample_len: 1319.0
exact_match: 85.7sample_len: 1319.0
84.9French (France)
french_sib200
french classification
f1_macro: 84.9sample_len: 204.0
f1_macro: 84.9sample_len: 204.0
84.0English (US)
english_mgsm
english math
exact_match: 84.0sample_len: 250.0
exact_match: 84.0sample_len: 250.0
80.8Swahili (Tanzania)
swahili_afrimgsm
swahili afrimgsm
exact_match: 80.8sample_len: 250.0
exact_match: 80.8sample_len: 250.0
73.5Spanish (Spain)
spanish_xquad_es
spanish xquad es
exact_match: 63.6f1: 83.4sample_len: 1190.0
exact_match: 63.6f1: 83.4sample_len: 1190.0
70.1Swahili (Tanzania)
swahili_afrixnli
swahili nli
f1_macro: 70.1sample_len: 600.0
f1_macro: 70.1sample_len: 600.0
50.6English (US)
english_mmlu_pro
english mmlu pro
exact_match: 50.6sample_len: 2100.0
exact_match: 50.6sample_len: 2100.0
36.3English (US)
ifeval
ifeval
inst_level_loose_acc: 45.0inst_level_strict_acc: 43.0prompt_level_loose_acc: 29.8prompt_level_strict_acc: 27.5sample_len: 541.0
inst_level_loose_acc: 45.0inst_level_strict_acc: 43.0prompt_level_loose_acc: 29.8prompt_level_strict_acc: 27.5sample_len: 541.0
11.5Spanish (Spain)
spanish_global_mmlu
spanish mcq
f1_macro: 11.5sample_len: 400.0
f1_macro: 11.5sample_len: 400.0
10.3Spanish (Spain)
spanish_belebele
spanish mcq
f1_macro: 10.3sample_len: 900.0
f1_macro: 10.3sample_len: 900.0
9.3English (US)
english_belebele
english mcq
f1_macro: 9.3sample_len: 900.0
f1_macro: 9.3sample_len: 900.0