IT之家 8 月 26 日音尘，Artificial Analysis 于 8 月 24 日发布博文，晓示联袂 Liquid AI，发布面向手机端的 AI 跑分基准，要点关爱 AI 模子在苹果 iPhone 17 Pro 上的进展。

其中 Artificial Analysis 郑重智能水平测试系统，Liquid AI 郑重推感性能测试系统，两边采用 5 项基准测试：

BFCL（Berkeley 函数调用排名榜）IFBench（教导革职测试）AA-Omniscience（学问与融会关系测试）GPQA Diamond（高难度问答测试）MATH-500（数学问题测试）。

测试模子对象为 4 bit 量化后体积不进步 8GB 的模子，示例包括 Gemma 4 E2B 和 LFM2-2.6B-Exp。

当高下文长度截至为 16K tokens 后，平均基准测试得分最高的是 Nanbeige4.2-3B 和 LFM2.5-2.6B。当反适时分截至为最长 1 分钟时，LFM2.5-8B-A1B 排名第 1，随后是 LFM2-2.6B-Exp、Gemma 4 E4B（Non-reasoning）和 Granite 4.1 8B。

Nanbeige4.2-3B 是 BOSS 直聘旗下的南北阁推行室推出，仅含 30 亿非镶嵌参数（总参数约 40 亿），弃取 Looped Transformer 架构，通过在不加多参数目的前提下复用 Transformer 层（轮回两遍），升迁模子的有用策画深度和容量。

横轴示意“输出 256 个 token 所需的时分（秒）”，纵轴示意“高下文长度截至为 16K 个 token 时的平均基准测试得分”。“Nanbeige4.2-3B”的基准测试得分与“LFM2.5-2.6B”颠倒。

在高下文长度截至为 16K 个 Token 时，平均基准测试得分中得分最高的是 Nanbeige4.2-3B 和 LFM2.5-2.6B。

当反适时分截至为最长 1 分钟时，LFM2.5-8B-A1B 排名第 1，随后是 LFM2-2.6B-Exp、Gemma 4 E4B（Non-reasoning）和 Granite 4.1 8B。

IT之家附上关系截图如下：

万博manbext体育官网