BenchLeader

Qwen3-4B-Instruct-2507

推理强度
质量第 250 / 339 名
42.0Index
低于中位数
较中位数 −8.2

截至 2026年11月16日,Qwen3-4B-Instruct-2507(Alibaba)在 BenchLeader Index 上得分 42.0(共 608 个已排名配置)。表现最好的是数学(46),最弱的是长上下文(29)。发布于 2025年8月6日。

要点(截至 2026年11月16日)

  • Qwen3-4B-Instruct-2507 于 2025年8月6日发布(Alibaba)。

详细说明:Qwen3-4B-Instruct-2507 是 Alibaba 的开放权重模型,发布于 2025年8月6日。其最佳配置在 BenchLeader Index 上得分 42.0 ±5.1,在 608 个配置中排第 504 名,处于下半区。关键在于这个“±”:另有 196 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,数学得分最高(46),长上下文最低(29)。它已在 2 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2025年8月6日。数据较旧:六个月内没有新结果

混合价格
–
输出速度
–
首次回答
–
上下文
262k
来源:Artificial Analysis
单任务成本
–
单任务 token 数
–
发布日期
2025年8月6日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index42
  2. 推理35
  3. 智能体与工具44
  4. 数学46
  5. 指令遵循37
  6. 长上下文29

嵌入这个排名

更多徽章样式
[![Qwen3-4B-Instruct-2507 on BenchLeader: 综合第 244 名](https://www.benchleader.com/badge/qwen3-4b-2507.svg?style=compact)](https://www.benchleader.com/models/qwen3-4b-2507)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

Alibaba 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
thinking40.2#533–––智能体与工具 35 · 指令遵循 51 · 长上下文 42 · 数学 13
未说明最佳42.0#504–––智能体与工具 44 · 指令遵循 37 · 长上下文 29 · 数学 46 · 推理 35

Index 走势

2026年9月10日 至 2026年11月16日
354147
  • 默认
  • thinking

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

元数据

基准测试thinking默认来源
AA Openness Index不计入 Index44.4#9744.4#97Artificial Analysis

推理

基准测试thinking默认来源
GPQA Diamond推理强度未说明–45.8%#249Epoch AI Benchmarking Hub
GPQA Diamond (AA)不计入 Index66.7%#33551.7%#424Artificial Analysis
Humanity's Last Exam (AA)不计入 Index6.2%#4274.5%#521Artificial Analysis
CritPt不计入 Index0.0%#3370.0%#337Artificial Analysis

编程

基准测试thinking默认来源
LiveCodeBench (AA)不计入 Index64.1%#9537.7%#176Artificial Analysis

智能体与工具

基准测试thinking默认来源
Terminal-Bench Hard1.5%#3434.5%#289Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index25.4%#29626.6%#285Artificial Analysis
BFCL Overall推理强度未说明–35.7%#41Berkeley Function Calling Leaderboard

数学

基准测试thinking默认来源
OTIS Mock AIME推理强度未说明–52.2%#193Epoch AI Benchmarking Hub
AIME 202682.5%#30–MathArena
HMMT February 202653.0%#31–MathArena
MathArena Apex2.1%#29–MathArena
AIME 2025 (AA)不计入 Index82.7%#5452.3%#132Artificial Analysis

知识

基准测试默认来源
Global-MMLU-Lite (AA)不计入 Index67.7%#104Artificial Analysis

指令遵循

基准测试thinking默认来源
IFBench49.8%#17733.5%#331Artificial Analysis

长上下文

基准测试thinking默认来源
AA-LCR v1.137.3%#39211.3%#487Artificial Analysis

综合

基准测试thinking默认来源
AA Intelligence Index v4.3.2不计入 Index8.8#4346.7#518Artificial Analysis
AA Progress Index v1不计入 Index206.4#398173.9#494Artificial Analysis

Alibaba 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Qwen3-4B-Instruct-2507 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![Qwen3-4B-Instruct-2507 on BenchLeader: 综合第 244 名](https://www.benchleader.com/badge/qwen3-4b-2507.svg)](https://www.benchleader.com/models/qwen3-4b-2507)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). Qwen3-4B-Instruct-2507 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/qwen3-4b-2507

BibTeX:

@misc{benchleader_qwen3_4b_2507_20261116,
  author       = {{BenchLeader}},
  title        = {{Qwen3-4B-Instruct-2507 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/qwen3-4b-2507}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Qwen3-4B-Instruct-2507 的基准测试得分是多少?
截至 2026年11月16日,Qwen3-4B-Instruct-2507 的 BenchLeader Index 为 42.0 ±5.1。最强的是数学(46),最弱的是长上下文(29)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
Qwen3-4B-Instruct-2507 排名第几?
截至 2026年11月16日,Qwen3-4B-Instruct-2507 在 608 个已排名配置中排第 504 名。另有 196 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
Qwen3-4B-Instruct-2507 是什么时候发布的?
Alibaba 于 2025年8月6日发布了 Qwen3-4B-Instruct-2507。BenchLeader 收录了它在 2 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Qwen3-4B-Instruct-2507:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/qwen3-4b-2507。