自动生成页面。 本页由 AI 自动撰写和翻译,并由软件对照来源进行核查,无人工编辑。SI-IQ 是基于公开基准测试结果构建的指数,不是智商测试。 工作原理
Llama 4 Maverick 有多聪明？
Llama 4 Maverick 是 Meta AI 于 2025年4月5日 发布的模型。其 SI-IQ 为 81（90% 区间 77–85），由 4 家独立评测方的 6 项基准测试结果估算得出。 其最强的领域是智能体，最弱的是数学。
基本信息
- 开发方
- Meta AI
- 发布时间
- 2025年4月5日
- 访问方式
- 开放权重（受限许可）
- 所用基准测试
- 来自 4 家评测方的 6 项结果
各领域能力（SI-IQ，90% 区间）
我们使用的每项基准测试结果
每个分数都是来源发布的原始单一数值：Epoch AI 取其各运行设置中的最佳结果，OpenRouter 取托管服务商的中位数（若开发方自行托管并运行了测试，则取其自有托管的结果）。“隐含 SI-IQ”是该单项结果所对应的能力水平；总体 SI-IQ 是这些值按精度加权后的平均值。
| 基准测试 | 得分 | 评测方 | 来源 |
|---|---|---|---|
| MATH Level 5 | 73.0% | Epoch AI | Epoch AI Benchmarking Hub · 数据文件 |
| OTIS Mock AIME 2024–2025 | 20.6% | Epoch AI | Epoch AI Benchmarking Hub · 数据文件 |
| Aider Polyglot | 15.6% | Aider | Aider LLM Leaderboards · 数据文件 |
| GPQA Diamond | 67.0% | Epoch AI | Epoch AI Benchmarking Hub · 数据文件 |
| GPQA Diamond (OpenRouter run) | 64.8% | OpenRouter | OpenRouter benchmark datasets · 数据文件 |
| Berkeley Function Calling Leaderboard | 37.3% | UC Berkeley (Gorilla) | Berkeley Function Calling Leaderboard · 数据文件 |
| τ²-bench Airline (OpenRouter run) | 43.1% | OpenRouter | OpenRouter benchmark datasets · 数据文件 |
人类偏好（Arena）
在 Arena 排行榜上，用户会在两个匿名回答之间投票。Llama 4 Maverick 的评分为 1,327（1,323–1,331），共 39,450 票（发布于 2026年10月15日）。人类偏好与基准测试所衡量的能力是不同的指标，不计入 SI-IQ。 Arena (Hugging Face)
SI-IQ 相近的模型
| 模型 | SI-IQ | |
|---|---|---|
| Gemma 3 27BGoogle DeepMind | 77 | Llama 4 Maverick 对比 Gemma 3 27B |
| GPT-4.1 nanoOpenAI | 76 | Llama 4 Maverick 对比 GPT-4.1 nano |
| GPT-4o (Aug 2024)OpenAI | 73 | Llama 4 Maverick 对比 GPT-4o (Aug 2024) |
| GPT-4.1OpenAI | 91 | Llama 4 Maverick 对比 GPT-4.1 |
| GPT-4.1 miniOpenAI | 91 | Llama 4 Maverick 对比 GPT-4.1 mini |
采用 SI-IQ 方法版本 1.0.0 计算。 阅读完整方法论
数据来源: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter..