手机端模型榜首出炉：南边贝格与 LF M2.5 并列第一
ArtificialAnlys · x · 2026-08-25
在 16K 上下文限制下的综合评测中，Nanbeige4.2-3B (Reasoning) 和 LFM2.5-2.6B (Reasoning) 以平均 63 分并列第一。具体表现上，Qwen3.5 9B 拿下了 BFCL 和 GPQA Diamond 高分，Falcon-H1R-7B 在 MATH-500 上取得 97% 分数，而 LFM2.5-2.6B 表现出极低的幻觉率（79%）。Nanbeige4.2-3B 虽未在单项中夺魁，但凭借在多项评测中的前五成绩赢得了综合并列第一。
所属事件:Artificial Analysis 联合 Liquid AI 发布手机端小模型评测基准(9 条相关)→
「模型」频道最新
- 美国开源新贵 Muse Spark 对比 Qwen/GLM:综合指数领先但 Agent 任务落后 — zsakib_ · 2026-10-16
- Muse Spark 816B 发布仅 30 分钟,llama.cpp 即完成支持 — ngxson · 2026-10-16
- 24 个 AI 系统开处方检查：平均 314 美元/次，是医生的 3.2 倍 — dvir_a · 2026-10-16
- 最快的 GPU kernel 会被 AI 写出来吗?发帖人称验证条件近乎完美 — fleetwood___ · 2026-10-16
- Scale AI 发布 muse spark open:816B 参数、1M 上下文,称最强美国开源模型 — jiayi_pirate · 2026-10-16
- NVIDIA 上架 Qwen3.8-Flash-Next FP4 量化版，未发布新模型意外曝光 — TheZachMueller · 2026-10-16