Benchmarkok
European languages
Modellminőség fordított európai nyelvi benchmarkokon. Az EU21 sorok az OpenGPT-X értékelésből származnak, amelyet a Teuken 7B Instruct v0.6-tal publikáltak, amely az ARC, HellaSwag, TruthfulQA és MMLU-t fordítja le a 21 általa lefedett EU nyelvre, és modellenként egy átlagot jelent. Az MMMLU sor a Google saját többnyelvű MMLU adata a Gemma 4-hez.
The EU21 numbers are OpenGPT-X’s, taken from the Teuken 7B Instruct v0.6 model card and the accompanying evaluation preprint; they are machine-translated benchmarks, not native-language test sets. The MMMLU number is Google’s own. LLM EU has run no evaluation and has not verified either harness.
| Modellek | score | source |
|---|---|---|
| Teuken 7B Instruct v0.6 | 0.57 | link |
| Llama 3.1 8B Instruct | 0.563 | link |
| Mistral 7B Instruct v0.3 | 0.527 | link |
| Aya 23 8B | 0.485 | link |
| Pharia-1-LLM-7B-control-aligned | 0.417 | link |
| Gemma 4 31B IT | 88.4 | link |