项目测评

EuroEval 欧洲多语言 · 验证集 · few-shot

EuroEval · 166 条配置有公开分数，按独立指标查看结果和测试条件。

报告身份与条件

资料日期 2026-10-28 · 报告发布日期 —。运行日期与测试条件见各条记录。

榜单资料更新于 2026-10-27T10:35:11+01:00

只比较欧洲生成式题集的均值排名分，越低越好；总分与各语言分项独立，缺值不当零分。
测试集与验证集、few-shot与zero-shot分别成页；思考模式和模型类型保留在具体运行身份，不把同名配置合并。
数值后的±表示95% bootstrap置信区间半宽；区间有重叠时不据微小点估计差异断言优劣，图表按点估计排序。
只将官方链接与本站调用标识完全一致的Hugging Face型号关联；不凭简称、API前缀或思考模式推定具体版本。
模型元数据、欧洲价值观和幻觉率不在本页排名指标内；本榜不代表所有任务或所有语言的通用能力。
EuroEval 成绩仓库和框架采用 MIT 许可，Copyright © Dan Saattrup Smart 与 Alexandra Instituttet A/S；完整许可见 /licenses/euroeval.txt。
榜单资料时间：Last updated: 2026-10-27 10:35:11 CET；不是各次实际测试日期或模型发布日期。
本页只含验证集、few-shot配置；模型类型逐条保留。未给出逐次测试日期、框架版本或统一样本数，均不推定。

访问报告原文 ↗

左侧指标右侧指标

同一报告内分别比较指标，方向与口径见图表说明。
误差线表示95%置信区间；完整数值和运行条件见明细。

欧洲多语种均值排名分

欧洲生成式任务范围内的均值排名分，越低越好；±为95% bootstrap置信区间半宽，不能与其他题集混排。图示 8 / 61 条有值记录；运行配置与日期见明细。

查看图表数据 ·8项

名称	排名分
zai-org/GLM-5.3-Flash (val)	1.32 ± 0.04 (95% CI)
deepseek/deepseek-flash#no-thinking (val)	1.45 ± 0.05 (95% CI)
Qwen/Qwen3.6-27B-FP8 (val)	1.55 ± 0.07 (95% CI)
Qwen/Qwen3.8-27B (val)	1.6 ± 0.06 (95% CI)
google/gemma-4-31B-it (val)	1.61 ± 0.05 (95% CI)
Qwen/Qwen3.5-35B-A3B-FP8 (val)	1.75 ± 0.06 (95% CI)
google/gemma-4-26B-A4B-it (val)	1.86 ± 0.07 (95% CI)
google/gemma-4-12B-it (val)	1.91 ± 0.07 (95% CI)

阿尔巴尼亚语均值排名分

Albanian 语言范围内的均值排名分，越低越好；±为95% bootstrap置信区间半宽，不能与其他题集混排。图示 8 / 70 条有值记录；运行配置与日期见明细。

查看图表数据 ·8项

名称	排名分
deepseek/deepseek-flash#no-thinking (val)	1.47 ± 0.05 (95% CI)
zai-org/GLM-5.3-Flash (val)	1.49 ± 0.07 (95% CI)
speakleash/Bielik-11B-v3.0-Instruct (val)	1.55 ± 0 (95% CI)
google/gemma-4-31B-it (val)	1.62 ± 0.06 (95% CI)
Qwen/Qwen3.5-27B-FP8 (val)	1.63 ± 0.08 (95% CI)
Qwen/Qwen3.6-27B-FP8 (val)	1.64 ± 0.08 (95% CI)
Qwen/Qwen3.8-27B (val)	1.67 ± 0.06 (95% CI)
speakleash/Bielik-Minitron-7B-v3.0-Instruct (val)	1.67 ± 0 (95% CI)

完整结果与对象版本

166 / 181 条配置有本范围的公开分数；列表展示有分数的配置，缺项保留“未提供”。同名型号的不同运行配置分别列出。

TildeAI/TildeOpen-30b (val)

报告所列型号

验证集 · few-shot · 基础生成式

欧洲多语种均值排名分: 未提供
白俄罗斯语均值排名分: 3.38 ± 0.05（95% CI）排名分
波斯尼亚语均值排名分: 3.28 ± 0.1（95% CI）排名分
保加利亚语均值排名分: 3.08 ± 0.07（95% CI）排名分

展开其余指标

阿尔巴尼亚语均值排名分: 未提供
加泰罗尼亚语均值排名分: 3.72 ± 0.07（95% CI）排名分
克罗地亚语均值排名分: 未提供
捷克语均值排名分: 3.34 ± 0.09（95% CI）排名分
丹麦语均值排名分: 3.4 ± 0.09（95% CI）排名分
荷兰语均值排名分: 未提供
英语均值排名分: 3.2 ± 0.09（95% CI）排名分
爱沙尼亚语均值排名分: 3.6 ± 0.06（95% CI）排名分
法罗语均值排名分: 4.23 ± 0.06（95% CI）排名分
芬兰语均值排名分: 3.4 ± 0.04（95% CI）排名分
法语均值排名分: 3.53 ± 0.15（95% CI）排名分
德语均值排名分: 3.74 ± 0.15（95% CI）排名分
希腊语均值排名分: 3.43 ± 0.04（95% CI）排名分
匈牙利语均值排名分: 未提供
冰岛语均值排名分: 未提供
意大利语均值排名分: 未提供
拉脱维亚语均值排名分: 未提供
立陶宛语均值排名分: 未提供
卢森堡语均值排名分: 未提供
挪威语均值排名分: 未提供
波兰语均值排名分: 未提供
葡萄牙语均值排名分: 未提供
罗马尼亚语均值排名分: 未提供
塞尔维亚语均值排名分: 未提供
斯洛伐克语均值排名分: 未提供
斯洛文尼亚语均值排名分: 未提供
西班牙语均值排名分: 3.56 ± 0.15（95% CI）排名分
瑞典语均值排名分: 未提供
乌克兰语均值排名分: 未提供

google/gemma-4-E2B (val)

报告所列型号

验证集 · few-shot · 基础生成式

欧洲多语种均值排名分: 3.61 ± 0.07（95% CI）排名分
阿尔巴尼亚语均值排名分: 3.66 ± 0.08（95% CI）排名分
白俄罗斯语均值排名分: 3.16 ± 0.08（95% CI）排名分
波斯尼亚语均值排名分: 3.46 ± 0.07（95% CI）排名分

展开其余指标

保加利亚语均值排名分: 3.51 ± 0.07（95% CI）排名分
加泰罗尼亚语均值排名分: 3.62 ± 0.12（95% CI）排名分
克罗地亚语均值排名分: 3.75 ± 0.1（95% CI）排名分
捷克语均值排名分: 3.56 ± 0.11（95% CI）排名分
丹麦语均值排名分: 3.8 ± 0.07（95% CI）排名分
荷兰语均值排名分: 3.58 ± 0.17（95% CI）排名分
英语均值排名分: 3.59 ± 0.06（95% CI）排名分
爱沙尼亚语均值排名分: 3.74 ± 0.08（95% CI）排名分
法罗语均值排名分: 4.3 ± 0.1（95% CI）排名分
芬兰语均值排名分: 3.59 ± 0.07（95% CI）排名分
法语均值排名分: 3.47 ± 0.18（95% CI）排名分
德语均值排名分: 3.92 ± 0.18（95% CI）排名分
希腊语均值排名分: 3.37 ± 0.06（95% CI）排名分
匈牙利语均值排名分: 3.7 ± 0.06（95% CI）排名分
冰岛语均值排名分: 3.89 ± 0.06（95% CI）排名分
意大利语均值排名分: 3.95 ± 0.2（95% CI）排名分
拉脱维亚语均值排名分: 3.52 ± 0.08（95% CI）排名分
立陶宛语均值排名分: 3.54 ± 0.1（95% CI）排名分
卢森堡语均值排名分: 3.27 ± 0.26（95% CI）排名分
挪威语均值排名分: 3.59 ± 0.07（95% CI）排名分
波兰语均值排名分: 3.57 ± 0.08（95% CI）排名分
葡萄牙语均值排名分: 3.62 ± 0.1（95% CI）排名分
罗马尼亚语均值排名分: 3.44 ± 0.07（95% CI）排名分
塞尔维亚语均值排名分: 3.42 ± 0.06（95% CI）排名分
斯洛伐克语均值排名分: 3.91 ± 0.1（95% CI）排名分
斯洛文尼亚语均值排名分: 3.93 ± 0.1（95% CI）排名分
西班牙语均值排名分: 3.9 ± 0.19（95% CI）排名分
瑞典语均值排名分: 3.59 ± 0.1（95% CI）排名分
乌克兰语均值排名分: 3.56 ± 0.08（95% CI）排名分

allenai/Olmo-3.1-32B-Think (val)

报告所列型号

验证集 · few-shot · 推理模型

欧洲多语种均值排名分: 未提供
波斯尼亚语均值排名分: 2.07 ± 0.04（95% CI）排名分
保加利亚语均值排名分: 2.13 ± 0.07（95% CI）排名分
加泰罗尼亚语均值排名分: 2.09 ± 0.05（95% CI）排名分

展开其余指标

阿尔巴尼亚语均值排名分: 未提供
白俄罗斯语均值排名分: 未提供
克罗地亚语均值排名分: 未提供
捷克语均值排名分: 2.49 ± 0.06（95% CI）排名分
丹麦语均值排名分: 未提供
荷兰语均值排名分: 未提供
英语均值排名分: 1.67 ± 0.03（95% CI）排名分
爱沙尼亚语均值排名分: 2.91 ± 0.09（95% CI）排名分
法罗语均值排名分: 未提供
芬兰语均值排名分: 未提供
法语均值排名分: 未提供
德语均值排名分: 未提供
希腊语均值排名分: 3.27 ± 0.05（95% CI）排名分
匈牙利语均值排名分: 2.49 ± 0.07（95% CI）排名分
冰岛语均值排名分: 2.92 ± 0.08（95% CI）排名分
意大利语均值排名分: 2.2 ± 0.24（95% CI）排名分
拉脱维亚语均值排名分: 2.75 ± 0.08（95% CI）排名分
立陶宛语均值排名分: 未提供
卢森堡语均值排名分: 未提供
挪威语均值排名分: 2.23 ± 0.12（95% CI）排名分
波兰语均值排名分: 2.38 ± 0.05（95% CI）排名分
葡萄牙语均值排名分: 2.28 ± 0.07（95% CI）排名分
罗马尼亚语均值排名分: 2.03 ± 0.06（95% CI）排名分
塞尔维亚语均值排名分: 2.23 ± 0.14（95% CI）排名分
斯洛伐克语均值排名分: 2.4 ± 0.06（95% CI）排名分
斯洛文尼亚语均值排名分: 2.44 ± 0.06（95% CI）排名分
西班牙语均值排名分: 2.48 ± 0.18（95% CI）排名分
瑞典语均值排名分: 2.41 ± 0.2（95% CI）排名分
乌克兰语均值排名分: 2.52 ± 0.09（95% CI）排名分

Qwen/Qwen3.6-27B-FP8 (val) →

已对应本站具体版本

验证集 · few-shot · 推理模型

欧洲多语种均值排名分: 1.55 ± 0.07（95% CI）排名分
阿尔巴尼亚语均值排名分: 1.64 ± 0.08（95% CI）排名分
白俄罗斯语均值排名分: 1.41 ± 0.05（95% CI）排名分
波斯尼亚语均值排名分: 1.93 ± 0.04（95% CI）排名分

展开其余指标

保加利亚语均值排名分: 1.41 ± 0.06（95% CI）排名分
加泰罗尼亚语均值排名分: 1.55 ± 0.03（95% CI）排名分
克罗地亚语均值排名分: 1.51 ± 0.05（95% CI）排名分
捷克语均值排名分: 1.39 ± 0.05（95% CI）排名分
丹麦语均值排名分: 1.42 ± 0.03（95% CI）排名分
荷兰语均值排名分: 1.6 ± 0.21（95% CI）排名分
英语均值排名分: 1.29 ± 0.03（95% CI）排名分
爱沙尼亚语均值排名分: 1.79 ± 0.06（95% CI）排名分
法罗语均值排名分: 2.1 ± 0.09（95% CI）排名分
芬兰语均值排名分: 1.56 ± 0.06（95% CI）排名分
法语均值排名分: 1.51 ± 0.19（95% CI）排名分
德语均值排名分: 1.74 ± 0.18（95% CI）排名分
希腊语均值排名分: 1.48 ± 0.04（95% CI）排名分
匈牙利语均值排名分: 1.59 ± 0.05（95% CI）排名分
冰岛语均值排名分: 1.87 ± 0.07（95% CI）排名分
意大利语均值排名分: 1.5 ± 0.21（95% CI）排名分
拉脱维亚语均值排名分: 1.36 ± 0.05（95% CI）排名分
立陶宛语均值排名分: 1.49 ± 0.04（95% CI）排名分
卢森堡语均值排名分: 1.77 ± 0.23（95% CI）排名分
挪威语均值排名分: 1.46 ± 0.04（95% CI）排名分
波兰语均值排名分: 1.58 ± 0.03（95% CI）排名分
葡萄牙语均值排名分: 1.41 ± 0.09（95% CI）排名分
罗马尼亚语均值排名分: 1.43 ± 0.04（95% CI）排名分
塞尔维亚语均值排名分: 1.67 ± 0.03（95% CI）排名分
斯洛伐克语均值排名分: 1.5 ± 0.03（95% CI）排名分
斯洛文尼亚语均值排名分: 1.47 ± 0.05（95% CI）排名分
西班牙语均值排名分: 1.65 ± 0.19（95% CI）排名分
瑞典语均值排名分: 1.55 ± 0.18（95% CI）排名分
乌克兰语均值排名分: 1.52 ± 0.05（95% CI）排名分

Qwen/Qwen3.5-2B (val) →

已对应本站具体版本

验证集 · few-shot · 指令微调

欧洲多语种均值排名分: 2.64 ± 0.08（95% CI）排名分
阿尔巴尼亚语均值排名分: 2.62 ± 0.07（95% CI）排名分
白俄罗斯语均值排名分: 2.85 ± 0.08（95% CI）排名分
波斯尼亚语均值排名分: 2.11 ± 0.06（95% CI）排名分

展开其余指标

保加利亚语均值排名分: 2.67 ± 0.07（95% CI）排名分
加泰罗尼亚语均值排名分: 2.58 ± 0.05（95% CI）排名分
克罗地亚语均值排名分: 2.61 ± 0.07（95% CI）排名分
捷克语均值排名分: 2.5 ± 0.08（95% CI）排名分
丹麦语均值排名分: 2.81 ± 0.05（95% CI）排名分
荷兰语均值排名分: 2.53 ± 0.11（95% CI）排名分
英语均值排名分: 2.06 ± 0.04（95% CI）排名分
爱沙尼亚语均值排名分: 2.9 ± 0.07（95% CI）排名分
法罗语均值排名分: 3.44 ± 0.11（95% CI）排名分
芬兰语均值排名分: 2.88 ± 0.05（95% CI）排名分
法语均值排名分: 2.27 ± 0.13（95% CI）排名分
德语均值排名分: 2.67 ± 0.16（95% CI）排名分
希腊语均值排名分: 2.64 ± 0.04（95% CI）排名分
匈牙利语均值排名分: 2.71 ± 0.05（95% CI）排名分
冰岛语均值排名分: 3.3 ± 0.05（95% CI）排名分
意大利语均值排名分: 2.71 ± 0.15（95% CI）排名分
拉脱维亚语均值排名分: 2.43 ± 0.05（95% CI）排名分
立陶宛语均值排名分: 2.71 ± 0.07（95% CI）排名分
卢森堡语均值排名分: 2.72 ± 0.18（95% CI）排名分
挪威语均值排名分: 2.61 ± 0.1（95% CI）排名分
波兰语均值排名分: 2.8 ± 0.05（95% CI）排名分
葡萄牙语均值排名分: 2.48 ± 0.08（95% CI）排名分
罗马尼亚语均值排名分: 2.46 ± 0.05（95% CI）排名分
塞尔维亚语均值排名分: 2.71 ± 0.07（95% CI）排名分
斯洛伐克语均值排名分: 2.83 ± 0.08（95% CI）排名分
斯洛文尼亚语均值排名分: 2.93 ± 0.07（95% CI）排名分
西班牙语均值排名分: 2.81 ± 0.17（95% CI）排名分
瑞典语均值排名分: 2.63 ± 0.13（95% CI）排名分
乌克兰语均值排名分: 2.54 ± 0.07（95% CI）排名分

INSAIT-Institute/BgGPT-7B-Instruct-v0.2 (val)

报告所列型号

验证集 · few-shot · 指令微调

欧洲多语种均值排名分: 未提供
波斯尼亚语均值排名分: 2.2 ± 0.06（95% CI）排名分
保加利亚语均值排名分: 2.34 ± 0.08（95% CI）排名分
克罗地亚语均值排名分: 2.7 ± 0.07（95% CI）排名分

展开其余指标

阿尔巴尼亚语均值排名分: 未提供
白俄罗斯语均值排名分: 未提供
加泰罗尼亚语均值排名分: 未提供
捷克语均值排名分: 2.56 ± 0.04（95% CI）排名分
丹麦语均值排名分: 未提供
荷兰语均值排名分: 未提供
英语均值排名分: 未提供
爱沙尼亚语均值排名分: 未提供
法罗语均值排名分: 未提供
芬兰语均值排名分: 未提供
法语均值排名分: 未提供
德语均值排名分: 未提供
希腊语均值排名分: 未提供
匈牙利语均值排名分: 未提供
冰岛语均值排名分: 未提供
意大利语均值排名分: 未提供
拉脱维亚语均值排名分: 未提供
立陶宛语均值排名分: 未提供
卢森堡语均值排名分: 未提供
挪威语均值排名分: 未提供
波兰语均值排名分: 2.85 ± 0.05（95% CI）排名分
葡萄牙语均值排名分: 未提供
罗马尼亚语均值排名分: 未提供
塞尔维亚语均值排名分: 2.94 ± 0.04（95% CI）排名分
斯洛伐克语均值排名分: 3.17 ± 0.06（95% CI）排名分
斯洛文尼亚语均值排名分: 3.01 ± 0.05（95% CI）排名分
西班牙语均值排名分: 未提供
瑞典语均值排名分: 未提供
乌克兰语均值排名分: 3.26 ± 0.06（95% CI）排名分