能力说明

只由公开分数推导,判定规则随文展示

Llama 5.2 Ultra 综合分 1472 ±6,在 15 个有公开分数的模型中排第 14;样本 12,450 票(有效偏好对战),误差带「中」。分维度里 中文 最靠前(1466 ±8,同子集第 13/15 名),编程 相对靠后(1458 ±8,第 15/15 名)。各维度取自不同任务子集,只在同子集内比较,不与综合分混算。

Llama 5.2 Ultra 分维度能力画像,包含分数、误差、同子集名次与中位数差
维度分数 / 误差同子集名次与中位数差样本判定
综合1472 ±6 误差中14 / 15-29 中位数 150112,450靠后
推理1464 ±7 误差中14 / 15-34 中位数 149810,208靠后
编程1458 ±8 误差中15 / 15-32 中位数 14909,116靠后
中文1466 ±8 误差中13 / 15-23 中位数 14896,802靠后
Agent1438 ±9 误差宽14 / 15-33 中位数 14713,940靠后

判定规则 名次百分位 ≤ 25% 记「靠前」,≥ 75% 记「靠后」,其余记「中游」;比较全部发生在同一任务子集内,不与综合分混算。 误差 ≤ 5 记「窄」、≤ 8 记「中」、更宽记「宽」;票数为有效偏好对战票,不是评测次数。

分维度分数与趋势

误差与样本量始终可查
当前分数1472±6
7 日变化−2按维度记录,缺失不补 0
样本 / 票数12,450偏好票数,不是评测次数
口径综合Arena 文本总榜口径,跨任务混合偏好
最高 1478最新 147230 天前 1478
近 30 天分维度走势(7 个采样点)。趋势只做参考,判断仍以误差与样本量为准。

分数溯源

页面每个数字对应的字段与推导
Llama 5.2 Ultra 分数溯源表,逐项给出数值、来源字段与推导方式
项目数值来源 / 推导
综合分1472score 字段(Arena Text · Overall);评测日期 2026-11-02。平台只做快照与展示,不修改上游数值。
误差±6error 字段;95% 置信区间,误差带「中」。分差小于双方误差之和即视为同一档。
样本12,450 票votes 字段;匿名双盲对战中的有效用户偏好票,不是自动化评测次数。
名次第 14 / 15本页按综合分对全体有公开数据的模型降序现场计算;筛选不重排名次。
7 日变化-2dimensions.overall.delta7d 字段;该维度快照分与 7 天前快照分之差,缺失不补 0。
30 天走势8 个采样点dimensions.overall.history 字段;逐日快照序列,缺失显示「暂无历史」。
快照导出—meta.generated_at;数据快照每日 00:20(CST)导出;超过 48 小时按过期处理。
数据版本baseline(打包基线)meta.source;远端数据不可用时回落打包基线,页面照常可读但以本行为准。
原始数据/data/leaderboard.json公开 JSON 快照,可按字段逐项核对本页数字;结构见 llms.txt。

分数生成规则

读法详解 →
数据来源
逐模型由 source 字段标注上游榜单(当前快照全部为 Arena Text · Overall)。平台只做快照、校验与展示,不修改上游数值,也不做二次加权。
统计对象
votes 是匿名双盲对战中的有效用户偏好票:用户在两个匿名回答中投票选更优。它不是自动化评测次数,也不是 API 调用量。
积分刻度
分数是对战积分(Elo 类量表,当前全榜约 1420–1530):由对战胜率经 Bradley-Terry 偏好估计换算得到;上游统计细节以 Arena 官方说明为准。
误差带
± 后是 95% 置信区间。两模型分差小于各自误差之和时,正确结论是「同一档」,而不是「A 强于 B」。
分维度口径
综合分是文本总榜(跨任务混合偏好);推理 / 编程 / 中文 / Agent 各自取自对应任务子集,样本量小于总榜。子集分数不与综合分混算,也不跨子集比绝对值。
名次
名次按所选维度的分数对全体有公开数据的模型降序计算;筛选不重排名次;缺该维度数据的模型不参与该维度名次。
变化与走势
7 日变化 = 该维度快照分 − 7 天前快照分(delta7d);30 天走势来自逐日快照序列(history)。无历史数据显示「暂无历史」,不补 0。
更新与过期
数据快照每日 00:20(CST)导出,generated_at 标注导出时间;超过 48 小时的快照按过期处理并在页面提示。
可核对
本页「分数溯源」给出每个数字的来源字段,原始快照 /data/leaderboard.json 可逐字段核对;读法详解见《榜单分数怎么读》。

价格与上下文

数值 + 币种 + 单位 + 生效日期
输入
$0.18
/ 百万 tokens
输出
$0.72
/ 百万 tokens
币种
USD
不含税费与缓存折扣
生效日期
2026-09-05
来源:第三方托管均价
上下文
512K
数值 512,000 tokens

关联资讯

全部日报 →

社区实测与讨论

进入讨论 →

有没有复现过这个模型的价格/上下文口径,或在真实任务上踩过坑?附带环境与证据的实测最有价值。

发布复现记录提问
返回模型榜单