项目测评

EuroEval 欧洲多语言 · 验证集 · zero-shot

EuroEval · 62 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2026-10-18· 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2026-10-10T14:26:33+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: 2026-10-10 14:26:33 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、zero-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。

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 / 36 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
gpt-6.1-sol (zero-shot, val)	1.29 ± 0.04 (95% CI)
gpt-6-astra (zero-shot, val)	1.3 ± 0.04 (95% CI)
gemini/gemini-3.7-flash (zero-shot, val)	1.34 ± 0.04 (95% CI)
gemini/gemini-3.6-flash (zero-shot, val)	1.42 ± 0.04 (95% CI)
gpt-6-sol (zero-shot, val)	1.44 ± 0.03 (95% CI)
gpt-5.6-sol (zero-shot, val)	1.46 ± 0.04 (95% CI)
gemini/gemini-3-flash-preview#thinking (zero-shot, val)	1.48 ± 0.03 (95% CI)
deepseek/deepseek-flash#low (zero-shot, val)	1.51 ± 0.03 (95% CI)

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 / 39 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
gemini/gemini-3.1-pro-preview (zero-shot, val)	1.32 ± 0.05 (95% CI)
gpt-6-astra (zero-shot, val)	1.36 ± 0.06 (95% CI)
gemini/gemini-3.7-flash (zero-shot, val)	1.4 ± 0.06 (95% CI)
gpt-6.1-sol (zero-shot, val)	1.42 ± 0.07 (95% CI)
gemini/gemini-3.6-flash (zero-shot, val)	1.48 ± 0.05 (95% CI)
gpt-5.6-sol (zero-shot, val)	1.49 ± 0.07 (95% CI)
gpt-6-sol (zero-shot, val)	1.55 ± 0.08 (95% CI)
gpt-5.6-terra (zero-shot, val)	1.6 ± 0.06 (95% CI)

62 / 90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。

报告所列型号

验证集 · zero-shot · 指令微调

展开其余指标

报告所列型号

验证集 · zero-shot · 指令微调

展开其余指标