Preferenze complessive sul testo da confronti diretti. Non misura accuratezza fattuale o riuscita dei compiti.
12501320
molmo-2-8b
molmo-2-8b · Intervallo 95% 1267,6–1309,1 · 822 voti · 2026-10-15
Risultati registrati
Ogni riga usa lo stesso benchmark, versione, carico, scenario e unità. I risultati mancanti non valgono zero. I risultati di sistema includono tutta la configurazione hardware e software.
Arena text preference / englishhuman preference · 2026-10-15 · rating
molmo-2-8b
1.299,19 rating
Intervallo di confidenza: 1.266,65 – 1.331,74
330 voti
Categoria
english
Configurazione valutata
molmo-2-8b
Tipo di valutazione
human preference
Arena text preference / exclude_tieshuman preference · 2026-10-15 · rating
molmo-2-8b
1.219,63 rating
Intervallo di confidenza: 1.188,40 – 1.250,85
597 voti
Categoria
exclude_ties
Configurazione valutata
molmo-2-8b
Tipo di valutazione
human preference
Arena text preference / hard_promptshuman preference · 2026-10-15 · rating
molmo-2-8b
1.287,75 rating
Intervallo di confidenza: 1.260,73 – 1.314,78
450 voti
Categoria
hard_prompts
Configurazione valutata
molmo-2-8b
Tipo di valutazione
human preference
Arena text preference / industry_software_and_it_serviceshuman preference · 2026-10-15 · rating
molmo-2-8b
1.299,29 rating
Intervallo di confidenza: 1.265,00 – 1.333,59
292 voti
Categoria
industry_software_and_it_services
Configurazione valutata
molmo-2-8b
Tipo di valutazione
human preference
Arena text preference / instruction_followinghuman preference · 2026-10-15 · rating
molmo-2-8b
1.270,26 rating
Intervallo di confidenza: 1.233,10 – 1.307,42
220 voti
Categoria
instruction_following
Configurazione valutata
molmo-2-8b
Tipo di valutazione
human preference
Arena text preference / non_englishhuman preference · 2026-10-15 · rating
molmo-2-8b
1.276,23 rating
Intervallo di confidenza: 1.250,15 – 1.302,31
492 voti
Categoria
non_english
Configurazione valutata
molmo-2-8b
Tipo di valutazione
human preference
Arena text preference / overallhuman preference · 2026-10-15 · rating
molmo-2-8b
1.288,33 rating
Intervallo di confidenza: 1.267,59 – 1.309,08
822 voti
Categoria
overall
Configurazione valutata
molmo-2-8b
Tipo di valutazione
human preference
Esecuzione locale
Inferenza · stima della memoria
molmo-2-8b
Informazioni verificate sull’architettura insufficienti per una stima affidabile della VRAM.