自動生成ページです。 AIが自動で作成・翻訳し、ソフトウェアが情報源と照合して確認しています。人間の編集者はいません。SI-IQは公開されているベンチマーク結果から作成した指数であり、IQテストではありません。 仕組み
Qwen3-235B-A22B-Instruct (Jul 2025)の賢さは？
Qwen3-235B-A22B-Instruct (Jul 2025)はAlibabaのモデルで、2025年7月25日にリリースされました。SI-IQは96（90%区間 85–107）で、2つの評価機関による3件のベンチマーク結果から推定しています。
2026年10月18日時点のデータ · 算出方法 1.0.0
ランキングの対象となるのは、3分野以上にわたる5件以上のベンチマーク（GPQA Diamondの2回の実行は1件として数えます）の結果があり、それらが2つ以上の異なる評価機関によるもので、かつ各バージョンのリリース日の差が60日以内のモデルです。このモデルはまだこの条件を満たしていないため、暫定推定値は表示していますが、ランキングには含めていません。
基本情報
- 開発元
- Alibaba
- リリース日
- 2025年7月25日
- 利用形態
- オープンウェイト（制限付きライセンス）
- 使用したベンチマーク
- 2つの評価機関による3件のベンチマーク結果
分野別の能力（SI-IQ、90%区間）
使用した全ベンチマーク結果
各スコアは、出典が公表したままの1つの値です。Epoch AIでは実行設定のうち最良のもの、OpenRouterでは中央値のホスティング事業者の値（開発元自身のホスティングでテストされた場合はそちら）を用います。「推定SI-IQ」はこの単一の結果が示す能力であり、総合SI-IQはそれらの精度加重平均です。
| ベンチマーク | スコア | 評価機関 | 出典 |
|---|---|---|---|
| GPQA Diamond (OpenRouterによる実行) | 73.9% | OpenRouter | OpenRouter benchmark datasets · データファイル |
| Berkeley Function Calling Leaderboard | 52.1% | UC Berkeley (Gorilla) | Berkeley Function Calling Leaderboard · データファイル |
| τ²-bench Airline (OpenRouterによる実行) | 39.6% | OpenRouter | OpenRouter benchmark datasets · データファイル |
人間の選好(Arena)
人々が2つの匿名の回答を比べて投票するArenaのランキングでは、Qwen3-235B-A22B-Instruct (Jul 2025)は98,134票に基づき評価値1,422(1,420–1,425)です（公開日 2026年10月15日）。人間の選好はベンチマークで測る能力とは異なる指標であり、SI-IQには含まれません。 Arena (Hugging Face)
SI-IQの算出方法バージョン 1.0.0 で計算しています。 算出方法の詳細を読む
データソース： Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter (ライセンスと変更点).