Оценка, которая каждый месяц пишет новый экзамен: ноябрьская таблица SuperCLUE 2026, 19 моделей в одной таблице

2026-11-08 · VIDRAFT AI Media

aillmbenchmarksevaluation

Откуда у SuperCLUE вес

Из двух вещей: экзамен переписывают каждый месяц, и его не публикуют.

SuperCLUE продолжает CLUE для больших моделей. CLUE начался в 2019 году и стал опорной таблицей для обработки китайского языка. В оценке больших языковых моделей SuperCLUE цитируют в Китае чаще любой другой таблицы. Каждый месяц он собирает закрытый тестовый набор, поэтому модель не может подняться, заучив уже опубликованные вопросы. Оценка идёт по пяти осям: агентное программирование, математическое и научное рассуждение, контроль галлюцинаций, точное следование инструкциям и сверхдлинный контекст. Закрытые коммерческие модели и модели с открытыми весами стоят в одной таблице, и именно это делает её читаемой поверх границы между двумя лагерями.

Таблица за ноябрь 2026 года охватывает 19 передовых моделей. Приведённые баллы принадлежат SuperCLUE и измерены на его закрытом ноябрьском наборе.

Кто ведёт по каждой оси

Ноябрь не забрала ни одна модель целиком. Первые места по осям разошлись между двумя коммерческими системами, а среди открытых весов первое место по разным осям взяли три разные модели.

Самая трудная ось

Математическое и научное рассуждение разделяет продолжение шаблона и решение задачи до конца. Ноябрьская таблица:

Darwin-180B-RSI-R3 первый среди моделей с открытыми весами и второй из всех 19, в 2,64 балла от GPT-6.1-Sol и впереди Google Gemini-4-Argon, DeepSeek V4.1-Flash, xAI Grok-4.7 и Alibaba Qwen3.8-Max. Это единственная корейская модель в таблице.

Как читать общий индекс

SuperCLUE присваивает номерное место только моделям внутри своей официальной выборки. Международные модели стоят в этой колонке с прочерком: это способ классификации, а не суждение о качестве. Поэтому показанный балл и номерное место отвечают на два разных вопроса.

По показанному общему баллу Darwin занимает девятое место из 19 и пятое среди моделей с открытыми весами.

Те же эксперты, перестроенное рассуждение

Darwin-180B-RSI это модель смеси экспертов на 180 миллиардов параметров, где на токен работают около 3 миллиардов. Она унаследовала 512 маршрутизируемых экспертов на слой от Qwen3.8-Flash-Next компании Alibaba побайтово и перестроила только слои внимания, линейное внимание и общих экспертов через рекурсивное самоулучшение: модель сама пишет задачи, решает их, проверяет ответы и обновляет свои веса по проверенным решениям.

Обе модели есть в этой таблице, поэтому сравнение прямое.

То же хранимое знание, перестроенный путь рассуждения: 15,79 балла по самой трудной оси и шесть мест в общем индексе.

Где проверить и что запустить

Таблица опубликована на superclueai.com. Веса лежат в Darwin-180B-RSI-R3 под общественной лицензией Qwen с разрешённым коммерческим использованием, а 4-битная сборка для личных устройств POCKET-Darwin-180B-GGUF работает с SSD на ноутбуке с 32 ГБ памяти.

FAQ

Кто получил эти баллы? SuperCLUE, на своём закрытом наборе за ноябрь 2026 года. VIDRAFT это оцениваемая модель в этой таблице, а не оператор оценки.

Почему важен закрытый ежемесячный набор? Опубликованный набор вопросов со временем попадает в обучающие данные. Когда экзамен пересобирают каждый месяц и держат закрытым, балл отражает саму модель, а не её знакомство с вопросами.

Darwin-180B-RSI-R3 первый в общем зачёте? Он первый среди моделей с открытыми весами и второй из 19 по математическому и научному рассуждению. По показанному общему индексу девятый из 19 и пятый среди открытых весов.

Почему у Gemini, GPT и Darwin в колонке места стоит прочерк? SuperCLUE нумерует только модели внутри своей официальной выборки. Прочерк отмечает эту классификацию, и такие модели по-прежнему участвуют в сравнении по каждой оси со своими баллами.

Какая лицензия у весов Darwin? Общественная лицензия Qwen 1.0, унаследованная от модели, чьи слои экспертов переиспользованы. Коммерческое использование разрешено.

Дополнительно

• Darwin-180B-RSI, первый среди открытых весов в математическом и научном рассуждении SuperCLUE
• VIDRAFT, с 1 по 8 ноября 2026 года