geekradar
Ita
Esplora GeekRadar

Altro da esplorare

Good gear Tutti i temi Chi siamo Contattaci
GeekRadar / Il banco di confronto
CONFRONTA.
Modelli IA
alibaba

Qwen3.7 Plus

Modello IA Uscita

Finestra di contesto
1.000.000 tokens
Output massimo
64.000 tokens
Pesi aperti
No

Capacità e preferenze

Capacità generale · ECI

Stima delle capacità basata su più benchmark. Punti di indice, non una percentuale; gli intervalli mostrano l’incertezza.

Qwen3.7 Plus 147,1* Qwen3.7-Plus · Intervallo 95% 145,1–148,7

Preferenze umane · Arena

Preferenze complessive sul testo da confronti diretti. Non misura accuratezza fattuale o riuscita dei compiti.

Qwen3.7 Plus 1454,6 Qwen3.7-Plus · Intervallo 95% 1450,2–1458,9 · 42,011 voti · 2026-10-28

Prestazioni dei modelli

Punteggio Radar: quattro test, peso uguale. Una sintesi sperimentale di queste prove, non una misura universale di intelligenza.

Qwen3.7 Plus

Punteggio Radar

Non valutato

3/4 test principali · prove insufficienti

4 risultati di benchmark per questa configurazione

Ragionamento scientifico

GPQA Diamond · 25%

Domande scientifiche di esperti; correzione rigorosa a scelta multipla. Il caso vale il 25%.

Qwen3.7 Plus 81,8*% Intervallo 95% appross.: 76,4–87,2%

Soluzione di problemi nuovi

Mystery Game Puzzles · 25%

Scelta della mossa migliore in una variante di gioco non divulgata. Una prova circoscritta di ragionamento, non di intelligenza generale.

Qwen3.7 Plus 17,0*% Intervallo 95% appross.: 9,6–24,4%

Matematica avanzata

FrontierMath Tiers 1-3 · 25%

Problemi matematici privati v2 con strumenti Python. Esclusi versioni precedenti e Tier 4.

Qwen3.7 Plus 34,4*% Intervallo 95% appross.: 28,9–39,9%

Risposte fattuali

SimpleQA Verified · 25%

Risposte fattuali corrette con invito a tentare, valutate da un modello. Non misura allucinazioni o astensione.

Qwen3.7 Plus Non disponibile

Matematica da competizione

OTIS Mock AIME 2024-2025 · Risultato separato

Problemi da competizione: risposte estratte da un modello e confrontate con la soluzione esatta. Escluse le procedure di valutazione precedenti.

Qwen3.7 Plus 80,0*% Intervallo 95% appross.: 68,2–91,8%

Le barre mostrano i risultati delle prove. I segmenti indicano intervalli approssimativi al 95% quando è disponibile l’errore standard. Budget di ragionamento diversi non implicano costi uguali. I risultati mancanti non valgono zero.

Risultati dei benchmark

  • Agentic coding DeepSWE 1.1 · 1.1 · reported score · Claude Code14,20*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Harness
    Claude Code*
    Temperature
    1,0*
    Top p
    0,95*
    Context length
    256K tokens*
  • Agentic coding SWE-bench Pro · versione non riportata · reported score · Claude Code · Refined task set with corrected problematic tasks57,60*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Harness
    Claude Code*
    Task set
    Refined task set with corrected problematic tasks*
    Temperature
    1,0*
    Top p
    0,95*
    Context length
    256K tokens*
  • Agentic terminal coding Terminal Bench 2.1 (Terminus) · 2.1 · reported score · Terminus64*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Harness
    Terminus*
  • Application recreation RecreationBench · versione non riportata · reported score · Internal30,20*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Task set
    Internal*
    Variant
    Application recreation across Ubuntu, macOS, Windows, Android and web*
  • Browser use WebArena-Verified · versione non riportata · reported score · OSWorld scaffold; official WebArena-Verified grader55,30*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Harness
    OSWorld scaffold; official WebArena-Verified grader*
  • Competitive coding LiveCodeBench v6 · 6 · reported score89,60*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
  • Computer use OSWorld-Verified · versione non riportata · reported score73,30*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
  • Document intelligence OmniDocBench 1.5 · 1.5 · reported score91,40*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
  • Embodied intelligence ERQA · versione non riportata · reported score69,80*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
  • Frontier agentic tasks Agents' Last Exam · versione non riportata · pass@113,20*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    pass@1*
    Checkpoint version
    Not specified*
  • Frontier agentic tasks Agents' Last Exam · versione non riportata · score33,60*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    score*
    Checkpoint version
    Not specified*
  • General visual reasoning BabyVision · versione non riportata · reported score · Code interpreter disabled64,70*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Tool access
    Code interpreter disabled*
  • General visual reasoning BabyVision · versione non riportata · reported score · Code interpreter enabled70,40*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Tool access
    Code interpreter enabled*
  • Instruction following IFBench · versione non riportata · reported score79,10*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
  • Long-horizon office work CoWorkBench · versione non riportata · reported score · Internal65,10*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Task set
    Internal*
  • Mobile use AndroidWorld · versione non riportata · reported score81*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
  • Multidisciplinary reasoning HLE · versione non riportata · reported score34,70*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Judge
    GPT-4o*
  • Multimodal software engineering SWE-MM · versione non riportata · reported score · Claude Code · Public SWE-bench Multimodal dev split with Opus 4.7 system-card appendix 8.3 modifications30*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Harness
    Claude Code*
    Task set
    Public SWE-bench Multimodal dev split with Opus 4.7 system-card appendix 8.3 modifications*
  • Multimodal tool use ClawEval-MM · versione non riportata · average score · Mean benchmark score over three trials60,10*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    average score*
    Checkpoint version
    Not specified*
    Statistic
    Mean benchmark score over three trials*
  • Multimodal tool use ClawEval-MM · versione non riportata · pass@3 · At least one success in three trials57,40* %Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    pass@3*
    Checkpoint version
    Not specified*
    Statistic
    At least one success in three trials*
  • Professional job tasks JobBench · versione non riportata · reported score27,60*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
  • Real-world perception RealWorldQA · versione non riportata · reported score86,90*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
  • Repo-level code generation NL2Repo-Bench · versione non riportata · reported score · Claude Code · Repository acquisition commands disabled41,10*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Harness
    Claude Code*
    Tool access
    Repository acquisition commands disabled*
  • Scientific chart analysis CharXiv (RQ) · versione non riportata · reported score · Code interpreter disabled85,80*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Tool access
    Code interpreter disabled*
    Annotation set
    Corrected ground-truth annotations*
  • Scientific chart analysis CharXiv (RQ) · versione non riportata · reported score · Code interpreter enabled85,90*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Tool access
    Code interpreter enabled*
    Annotation set
    Corrected ground-truth annotations*
  • Scientific reasoning GPQA Diamond · versione non riportata · reported score90,30*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
  • Software engineering QwenSWEBench · versione non riportata · reported score · Claude Code · Internal · avg@359,20*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Harness
    Claude Code*
    Statistic
    avg@3*
    Timeout
    8 hours*
    Task set
    Internal*
    Maximum output
    32.768*
    Temperature
    1,0*
    Context length
    256K tokens*
  • Visual math problem solving MathVision · versione non riportata · reported score · Code interpreter disabled90,30*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Tool access
    Code interpreter disabled*
    Annotation set
    Corrected ground-truth annotations*
    Prompt
    Best of two prompts, with and without boxed final-answer formatting*
  • Visual web development Vision2Web · versione non riportata · reported score · Claude Code · Category average42,10*Piattaforma non riportata Confronta i risultati
    Condizioni di test
    Metric
    reported score*
    Checkpoint version
    Not specified*
    Harness
    Claude Code*
    Judge
    gpt-5.4-2026-03-05*
    Categories
    Frontend, webpage and website*
    Statistic
    Category average*

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 / chinesehuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.509,55 rating

Intervallo di confidenza: 1.497,65 – 1.521,45

2646 voti

Categoria
chinese
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / codinghuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.472,52 rating

Intervallo di confidenza: 1.466,17 – 1.478,86

12194 voti

Categoria
coding
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / creative_writinghuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.437,82 rating

Intervallo di confidenza: 1.430,21 – 1.445,42

7794 voti

Categoria
creative_writing
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / englishhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.458,74 rating

Intervallo di confidenza: 1.453,17 – 1.464,32

17706 voti

Categoria
english
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / exclude_tieshuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.454,20 rating

Intervallo di confidenza: 1.448,60 – 1.459,80

30935 voti

Categoria
exclude_ties
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / experthuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.466,32 rating

Intervallo di confidenza: 1.457,30 – 1.475,33

4723 voti

Categoria
expert
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / frenchhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.471,42 rating

Intervallo di confidenza: 1.455,39 – 1.487,46

1606 voti

Categoria
french
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / germanhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.470,20 rating

Intervallo di confidenza: 1.448,49 – 1.491,90

758 voti

Categoria
german
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / hard_promptshuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.459,52 rating

Intervallo di confidenza: 1.454,57 – 1.464,48

28284 voti

Categoria
hard_prompts
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / hard_prompts_englishhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.460,23 rating

Intervallo di confidenza: 1.453,84 – 1.466,63

12148 voti

Categoria
hard_prompts_english
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / industry_business_and_management_and_financial_operationshuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.434,66 rating

Intervallo di confidenza: 1.427,41 – 1.441,92

8377 voti

Categoria
industry_business_and_management_and_financial_operations
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / industry_entertainment_and_sports_and_mediahuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.421,43 rating

Intervallo di confidenza: 1.414,55 – 1.428,31

9992 voti

Categoria
industry_entertainment_and_sports_and_media
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / industry_legal_and_governmenthuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.451,72 rating

Intervallo di confidenza: 1.441,47 – 1.461,98

3558 voti

Categoria
industry_legal_and_government
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / industry_life_and_physical_and_social_sciencehuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.464,13 rating

Intervallo di confidenza: 1.456,42 – 1.471,84

6748 voti

Categoria
industry_life_and_physical_and_social_science
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / industry_mathematicalhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.469,67 rating

Intervallo di confidenza: 1.456,84 – 1.482,50

2255 voti

Categoria
industry_mathematical
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / industry_medicine_and_healthcarehuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.465,03 rating

Intervallo di confidenza: 1.453,65 – 1.476,40

2972 voti

Categoria
industry_medicine_and_healthcare
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / industry_software_and_it_serviceshuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.472,95 rating

Intervallo di confidenza: 1.467,28 – 1.478,62

17157 voti

Categoria
industry_software_and_it_services
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / industry_writing_and_literature_and_languagehuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.437,41 rating

Intervallo di confidenza: 1.430,77 – 1.444,06

10795 voti

Categoria
industry_writing_and_literature_and_language
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / instruction_followinghuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.439,57 rating

Intervallo di confidenza: 1.433,66 – 1.445,48

15013 voti

Categoria
instruction_following
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / japanesehuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.411,55 rating

Intervallo di confidenza: 1.387,58 – 1.435,52

680 voti

Categoria
japanese
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / koreanhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.412,78 rating

Intervallo di confidenza: 1.391,57 – 1.433,99

829 voti

Categoria
korean
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / longer_queryhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.454,05 rating

Intervallo di confidenza: 1.448,41 – 1.459,68

19524 voti

Categoria
longer_query
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / mathhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.467,36 rating

Intervallo di confidenza: 1.453,69 – 1.481,04

1909 voti

Categoria
math
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / multi_turnhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.459,34 rating

Intervallo di confidenza: 1.451,57 – 1.467,11

7006 voti

Categoria
multi_turn
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / non_englishhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.444,69 rating

Intervallo di confidenza: 1.439,63 – 1.449,76

24303 voti

Categoria
non_english
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / overallhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.454,56 rating

Intervallo di confidenza: 1.450,24 – 1.458,88

42011 voti

Categoria
overall
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / polishhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.449,06 rating

Intervallo di confidenza: 1.428,68 – 1.469,43

807 voti

Categoria
polish
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / russianhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.457,58 rating

Intervallo di confidenza: 1.448,58 – 1.466,59

4651 voti

Categoria
russian
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / spanishhuman preference · 2026-10-28 · rating

Qwen3.7 Plus

1.456,10 rating

Intervallo di confidenza: 1.438,51 – 1.473,69

1238 voti

Categoria
spanish
Configurazione valutata
Qwen3.7-Plus
Tipo di valutazione
human preference
Arena text preference / chinesehuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.509,93 rating

Intervallo di confidenza: 1.498,07 – 1.521,79

2662 voti

Categoria
chinese
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / codinghuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.472,64 rating

Intervallo di confidenza: 1.466,29 – 1.479,00

12183 voti

Categoria
coding
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / creative_writinghuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.438,56 rating

Intervallo di confidenza: 1.430,96 – 1.446,15

7841 voti

Categoria
creative_writing
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / englishhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.458,73 rating

Intervallo di confidenza: 1.453,16 – 1.464,31

17716 voti

Categoria
english
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / exclude_tieshuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.454,23 rating

Intervallo di confidenza: 1.448,63 – 1.459,83

30986 voti

Categoria
exclude_ties
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / experthuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.466,58 rating

Intervallo di confidenza: 1.457,56 – 1.475,60

4725 voti

Categoria
expert
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / frenchhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.471,98 rating

Intervallo di confidenza: 1.455,93 – 1.488,03

1613 voti

Categoria
french
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / germanhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.470,76 rating

Intervallo di confidenza: 1.449,06 – 1.492,45

763 voti

Categoria
german
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / hard_promptshuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.459,57 rating

Intervallo di confidenza: 1.454,61 – 1.464,53

28316 voti

Categoria
hard_prompts
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / hard_prompts_englishhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.460,21 rating

Intervallo di confidenza: 1.453,82 – 1.466,61

12153 voti

Categoria
hard_prompts_english
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / industry_business_and_management_and_financial_operationshuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.434,77 rating

Intervallo di confidenza: 1.427,51 – 1.442,02

8382 voti

Categoria
industry_business_and_management_and_financial_operations
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / industry_entertainment_and_sports_and_mediahuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.422,30 rating

Intervallo di confidenza: 1.415,41 – 1.429,18

10017 voti

Categoria
industry_entertainment_and_sports_and_media
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / industry_legal_and_governmenthuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.451,92 rating

Intervallo di confidenza: 1.441,68 – 1.462,17

3568 voti

Categoria
industry_legal_and_government
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / industry_life_and_physical_and_social_sciencehuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.464,58 rating

Intervallo di confidenza: 1.456,88 – 1.472,28

6771 voti

Categoria
industry_life_and_physical_and_social_science
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / industry_mathematicalhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.470,13 rating

Intervallo di confidenza: 1.457,31 – 1.482,96

2260 voti

Categoria
industry_mathematical
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / industry_medicine_and_healthcarehuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.465,44 rating

Intervallo di confidenza: 1.454,07 – 1.476,81

2985 voti

Categoria
industry_medicine_and_healthcare
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / industry_software_and_it_serviceshuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.472,91 rating

Intervallo di confidenza: 1.467,24 – 1.478,59

17150 voti

Categoria
industry_software_and_it_services
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / industry_writing_and_literature_and_languagehuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.437,73 rating

Intervallo di confidenza: 1.431,09 – 1.444,37

10852 voti

Categoria
industry_writing_and_literature_and_language
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / instruction_followinghuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.439,58 rating

Intervallo di confidenza: 1.433,67 – 1.445,49

15033 voti

Categoria
instruction_following
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / japanesehuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.412,15 rating

Intervallo di confidenza: 1.388,00 – 1.436,29

678 voti

Categoria
japanese
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / koreanhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.414,41 rating

Intervallo di confidenza: 1.393,18 – 1.435,63

836 voti

Categoria
korean
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / longer_queryhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.454,51 rating

Intervallo di confidenza: 1.448,87 – 1.460,15

19564 voti

Categoria
longer_query
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / mathhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.467,24 rating

Intervallo di confidenza: 1.453,55 – 1.480,92

1910 voti

Categoria
math
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / multi_turnhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.459,75 rating

Intervallo di confidenza: 1.451,97 – 1.467,54

7009 voti

Categoria
multi_turn
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / non_englishhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.444,90 rating

Intervallo di confidenza: 1.439,84 – 1.449,96

24357 voti

Categoria
non_english
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / overallhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.454,58 rating

Intervallo di confidenza: 1.450,26 – 1.458,90

42075 voti

Categoria
overall
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / polishhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.449,57 rating

Intervallo di confidenza: 1.429,16 – 1.469,99

807 voti

Categoria
polish
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / russianhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.457,94 rating

Intervallo di confidenza: 1.448,94 – 1.466,93

4669 voti

Categoria
russian
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference
Arena text preference / spanishhuman preference · 2026-10-15 · rating

Qwen3.7 Plus

1.457,06 rating

Intervallo di confidenza: 1.439,49 – 1.474,64

1245 voti

Categoria
spanish
Configurazione valutata
qwen3.7-plus
Tipo di valutazione
human preference

Esecuzione locale

Inferenza · stima della memoria

Qwen3.7 Plus

Pesi chiusi. Non sono pubblicati un impiego locale supportato o requisiti GPU.

Costo API

USD / mese

Stima per token di testo standard. Esclude imposte, cache, sconti batch e costi aggiuntivi per ragionamento e modalità multimediali. Limiti e disponibilità possono variare per provider.

Qwen3.7 Plus

Capacità

Finestra di contesto
1.000.000 tokens
Output massimo
64.000 tokens
Ragionamento
Sì
Uso di strumenti
Sì
Pesi aperti
No
Dati di addestramento fino a
2025-04
Licenza del modello
Proprietary

Modalità di input

  • text
  • image
  • video

Modalità di output

  • text

Configurazione di sistema

Specifiche dettagliate

Specifiche · 29 campi
Frontier agentic tasks Agents' Last Exam
suite
Frontier agentic tasks Agents' Last Exam
workload
pass@1
score
13,2*
Ambito e condizioni
Test conditions
Metric
pass@1*
Checkpoint version
Not specified*
Visual math problem solving MathVision
suite
Visual math problem solving MathVision
workload
reported score · Code interpreter disabled
score
90,3*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Tool access
Code interpreter disabled*
Annotation set
Corrected ground-truth annotations*
Prompt
Best of two prompts, with and without boxed final-answer formatting*
Frontier agentic tasks Agents' Last Exam
suite
Frontier agentic tasks Agents' Last Exam
workload
score
score
33,6*
Ambito e condizioni
Test conditions
Metric
score*
Checkpoint version
Not specified*
General visual reasoning BabyVision
suite
General visual reasoning BabyVision
workload
reported score · Code interpreter disabled
score
64,7*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Tool access
Code interpreter disabled*
General visual reasoning BabyVision
suite
General visual reasoning BabyVision
workload
reported score · Code interpreter enabled
score
70,4*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Tool access
Code interpreter enabled*
Scientific chart analysis CharXiv (RQ)
suite
Scientific chart analysis CharXiv (RQ)
workload
reported score · Code interpreter disabled
score
85,8*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Tool access
Code interpreter disabled*
Annotation set
Corrected ground-truth annotations*
Instruction following IFBench
suite
Instruction following IFBench
workload
reported score
score
79,1*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Scientific chart analysis CharXiv (RQ)
suite
Scientific chart analysis CharXiv (RQ)
workload
reported score · Code interpreter enabled
score
85,9*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Tool access
Code interpreter enabled*
Annotation set
Corrected ground-truth annotations*
Document intelligence OmniDocBench 1.5
suite
Document intelligence OmniDocBench 1.5
version
1.5
workload
reported score
score
91,4*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Scientific reasoning GPQA Diamond
suite
Scientific reasoning GPQA Diamond
workload
reported score
score
90,3*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Real-world perception RealWorldQA
suite
Real-world perception RealWorldQA
workload
reported score
score
86,9*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Multidisciplinary reasoning HLE
suite
Multidisciplinary reasoning HLE
workload
reported score
score
34,7*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Judge
GPT-4o*
Embodied intelligence ERQA
suite
Embodied intelligence ERQA
workload
reported score
score
69,8*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Competitive coding LiveCodeBench v6
suite
Competitive coding LiveCodeBench v6
version
6
workload
reported score
score
89,6*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Computer use OSWorld-Verified
suite
Computer use OSWorld-Verified
workload
reported score
score
73,3*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Agentic terminal coding Terminal Bench 2.1 (Terminus)
suite
Agentic terminal coding Terminal Bench 2.1 (Terminus)
version
2.1
workload
reported score · Terminus
score
64,0*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Harness
Terminus*
Browser use WebArena-Verified
suite
Browser use WebArena-Verified
workload
reported score · OSWorld scaffold; official WebArena-Verified grader
score
55,3*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Harness
OSWorld scaffold; official WebArena-Verified grader*
Agentic coding SWE-bench Pro
suite
Agentic coding SWE-bench Pro
workload
reported score · Claude Code · Refined task set with corrected problematic tasks
score
57,6*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Harness
Claude Code*
Task set
Refined task set with corrected problematic tasks*
Temperature
1,0*
Top p
0,95*
Context length
256K tokens*
Repo-level code generation NL2Repo-Bench
suite
Repo-level code generation NL2Repo-Bench
workload
reported score · Claude Code · Repository acquisition commands disabled
score
41,1*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Harness
Claude Code*
Tool access
Repository acquisition commands disabled*
Mobile use AndroidWorld
suite
Mobile use AndroidWorld
workload
reported score
score
81,0*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Agentic coding DeepSWE 1.1
suite
Agentic coding DeepSWE 1.1
version
1.1
workload
reported score · Claude Code
score
14,2*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Harness
Claude Code*
Temperature
1,0*
Top p
0,95*
Context length
256K tokens*
Application recreation RecreationBench
suite
Application recreation RecreationBench
workload
reported score · Internal
score
30,2*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Task set
Internal*
Variant
Application recreation across Ubuntu, macOS, Windows, Android and web*
Multimodal tool use ClawEval-MM
suite
Multimodal tool use ClawEval-MM
workload
pass@3 · At least one success in three trials
score
57,4*
unit
%
Ambito e condizioni
Test conditions
Metric
pass@3*
Checkpoint version
Not specified*
Statistic
At least one success in three trials*
Software engineering QwenSWEBench
suite
Software engineering QwenSWEBench
workload
reported score · Claude Code · Internal · avg@3
score
59,2*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Harness
Claude Code*
Statistic
avg@3*
Timeout
8 hours*
Task set
Internal*
Maximum output
32.768*
Temperature
1,0*
Context length
256K tokens*
Multimodal tool use ClawEval-MM
suite
Multimodal tool use ClawEval-MM
workload
average score · Mean benchmark score over three trials
score
60,1*
Ambito e condizioni
Test conditions
Metric
average score*
Checkpoint version
Not specified*
Statistic
Mean benchmark score over three trials*
Multimodal software engineering SWE-MM
suite
Multimodal software engineering SWE-MM
workload
reported score · Claude Code · Public SWE-bench Multimodal dev split with Opus 4.7 system-card appendix 8.3 modifications
score
30,0*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Harness
Claude Code*
Task set
Public SWE-bench Multimodal dev split with Opus 4.7 system-card appendix 8.3 modifications*
Long-horizon office work CoWorkBench
suite
Long-horizon office work CoWorkBench
workload
reported score · Internal
score
65,1*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Task set
Internal*
Visual web development Vision2Web
suite
Visual web development Vision2Web
workload
reported score · Claude Code · Category average
score
42,1*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*
Harness
Claude Code*
Judge
gpt-5.4-2026-03-05*
Categories
Frontend, webpage and website*
Statistic
Category average*
Professional job tasks JobBench
suite
Professional job tasks JobBench
workload
reported score
score
27,6*
Ambito e condizioni
Test conditions
Metric
reported score*
Checkpoint version
Not specified*

* Dati provvisori