INCLUDE多语言

INCLUDE (Inclusive Benchmark) 由 AI2 等机构提出，旨在评测 LLM 在多样化和包容性场景下的表现。涵盖多语言、多文化背景和不同社会群体的知识，确保模型评估不偏向特定文化或语言群体。

排行数据源

#模型得分

1

Gemini 2.5 ProGoogle

85.1%

2

OpenAI o1OpenAI

84.6%

3

DeepSeek-R1深度求索

82.7%

4

Qwen3-235B-A22B-Thinking-2507阿里巴巴

81.0%

5

Llama 4 MaverickMeta

80.9%

6

Qwen3-235B-A22B-Instruct-2507阿里巴巴

79.5%

7

GPT-4oOpenAI

78.8%

8

Qwen3-235B-A22B阿里巴巴

78.7%

9

DeepSeek-V3深度求索

76.7%

10

DeepSeek-V3 Base深度求索

75.2%

共 69 个模型

返回基准目录