CohereSprachmodell
Aya Expanse 32B
Für Aya Expanse 32B gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
33von 100-1 zum Vormonat
beruht auf Suche, Nutzung und Aufmerksamkeit
Zusammenfassung
Aya Expanse 32B ist Coheres offenes Textmodell für 23 Sprachen. Der Checkpoint entstand aus der Aya-Forschung mit einem vortrainierten Command-Modell, mehrsprachigem Preference Training, Safety-Tuning und Model Merging. Sein klarer Schwerpunkt ist sprachübergreifende Instruktionsbefolgung, nicht Werkzeugsteuerung.
Aya Expanse 32B ist mit 32 Milliarden Parametern und 128.000 Token Kontext die größere Variante der Familie. Aya Expanse 8B ist die kleinere Ausgabe. Beide Gewichts-Releases stehen unter CC-BY-NC-4.0, das eine uneingeschränkte kommerzielle Nutzung ausschließt.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 58 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 5
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
Discriminative average (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 72.6
- Bewertung
- 72.6
- Messgröße
- average accuracy over XWinograd, XCOPA and XStoryCloze
- Einheit
- %
- Benchmark-Version
- Aya Expanse paper; 0-shot; 23-language evaluation
- Kategorie
- multilingual
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Aya Expanse authors' multilingual evaluation paper
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakte Ergebnisse für Aya Expanse 32B. Global-MMLU mit 5 Shots; diskriminative Aufgaben zero-shot; MGSM mit 5-Shot-CoT/striktem Match; Übersetzung mit FLORES-200 und xCOMET-XL.
- Einordnung
- Die Quelle ist die Arbeit der Modellautoren. Nicht alle Generierungsdetails oder Evaluationsdaten sind angegeben. Ein späterer Aya-Checkpoint ist nicht gemeint.
Global-MMLU (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 66.9
- Bewertung
- 66.9
- Messgröße
- accuracy; 5-shot
- Einheit
- %
- Benchmark-Version
- Aya Expanse paper; 23-language multilingual MMLU
- Kategorie
- multilingual
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Aya Expanse authors' multilingual evaluation paper
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakte Ergebnisse für Aya Expanse 32B. Global-MMLU mit 5 Shots; diskriminative Aufgaben zero-shot; MGSM mit 5-Shot-CoT/striktem Match; Übersetzung mit FLORES-200 und xCOMET-XL.
- Einordnung
- Die Quelle ist die Arbeit der Modellautoren. Nicht alle Generierungsdetails oder Evaluationsdaten sind angegeben. Ein späterer Aya-Checkpoint ist nicht gemeint.
MGSM (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 73.4
- Bewertung
- 73.4
- Messgröße
- strict-match accuracy; 5-shot chain-of-thought
- Einheit
- %
- Benchmark-Version
- Aya Expanse paper; 7 languages
- Kategorie
- multilingual
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Aya Expanse authors' multilingual evaluation paper
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakte Ergebnisse für Aya Expanse 32B. Global-MMLU mit 5 Shots; diskriminative Aufgaben zero-shot; MGSM mit 5-Shot-CoT/striktem Match; Übersetzung mit FLORES-200 und xCOMET-XL.
- Einordnung
- Die Quelle ist die Arbeit der Modellautoren. Nicht alle Generierungsdetails oder Evaluationsdaten sind angegeben. Ein späterer Aya-Checkpoint ist nicht gemeint.
INCLUDE accuracy (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 51.4
- Bewertung
- 51.4
- Messgröße
- accuracy
- Einheit
- %
- Kategorie
- multilingual-understanding
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Aya Expanse technical report, arXiv:2412.04261v1
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. INCLUDE-base, zero-shot mit Chain-of-Thought in der jeweiligen Sprache, 44 Sprachen.
m-ArenaHard win rate vs Gemma 2 27B (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 51.8
- Bewertung
- 51.8
- Messgröße
- pairwise win rate
- Einheit
- %
- Kategorie
- open-ended-generation
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Aya Expanse technical report, arXiv:2412.04261v1
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. m-ArenaHard-Paarvergleich, Mittel über 23 Sprachen; GPT-4o-2024-08-06 als Judge; instruct-getunte Vergleichsmodelle.
m-ArenaHard win rate vs Qwen 2.5 32B (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 53.6
- Bewertung
- 53.6
- Messgröße
- pairwise win rate
- Einheit
- %
- Kategorie
- open-ended-generation
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Aya Expanse technical report, arXiv:2412.04261v1
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. m-ArenaHard-Paarvergleich, Mittel über 23 Sprachen; GPT-4o-2024-08-06 als Judge; instruct-getunte Vergleichsmodelle.
m-ArenaHard win rate vs Mixtral 8x22B (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 76.6
- Bewertung
- 76.6
- Messgröße
- pairwise win rate
- Einheit
- %
- Kategorie
- open-ended-generation
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Aya Expanse technical report, arXiv:2412.04261v1
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. m-ArenaHard-Paarvergleich, Mittel über 23 Sprachen; GPT-4o-2024-08-06 als Judge; instruct-getunte Vergleichsmodelle.
m-ArenaHard win rate vs Llama 3.1 70B (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 54
- Bewertung
- 54
- Messgröße
- pairwise win rate
- Einheit
- %
- Kategorie
- open-ended-generation
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Aya Expanse technical report, arXiv:2412.04261v1
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. m-ArenaHard-Paarvergleich, Mittel über 23 Sprachen; GPT-4o-2024-08-06 als Judge; instruct-getunte Vergleichsmodelle.
Dolly win rate vs Mixtral 8x22B (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 89.9
- Bewertung
- 89.9
- Messgröße
- pairwise win rate
- Einheit
- %
- Kategorie
- open-ended-generation
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Aya Expanse technical report, arXiv:2412.04261v1
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Dolly-Hold-out-Evaluation, Mittel über 23 Sprachen; GPT-4o-2024-08-06 als Judge; instruct-getunte Vergleichsmodelle.
- Einordnung
- Die Autoren beschreiben Dolly-Prompts als weniger schwierig und weisen auf eine Überschneidung mit den Dolly-Trainingsdaten hin.
ALARB verdict prediction / Facts Only / correct-verdict rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 32.9
- Bewertung
- 32.9
- Messgröße
- Correct-verdict rate
- Einheit
- %
- Benchmark-Version
- ALARB (ArabicNLP 2025), Table 4
- Kategorie
- legal-reasoning
- Richtung
- Mehr ist besser
- Stichprobe
- 1329
- Quellentyp
- independent-evaluator
- Auswertung
- ALARB: An Arabic Legal Argument Reasoning Benchmark (ArabicNLP 2025; DOI 10.18653/v1/2025.arabicnlp-main.32)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. aya-expanse-32B, exakte Modellzeile in Tabelle 4; Verdict Prediction mit nur den Fallfakten, ohne gerichtliche Begründung; das Modell soll schlussfolgern und ein Urteil vorhersagen; GPT-4o bewertet als LLM-Judge die Übereinstimmung mit dem tatsächlichen Urteil; Tabelle 4, Anteil vollständig korrekter Urteile für Facts Only.
- Einordnung
- Abschnitt 5 nennt eine Teilmenge von 1.329 Rechtsfällen als Evaluationsmenge für alle Aufgaben. Diese ausgewiesene Fallmenge wird als N für jede der drei Verdict-Prediction-Aufgaben in Tabelle 4 verwendet. GPT-4o diente als LLM-Judge. API-/Checkpoint-Revision, Dekodierungskonfiguration und Konfidenzintervall sind nicht veröffentlicht. Die Anteile für partial und incorrect sind kategoriale Diagnosen, keine eigenständigen monotonen Qualitätswerte, und werden nicht importiert.
ALARB verdict prediction / Facts & Reasoning / correct-verdict rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 70.6
- Bewertung
- 70.6
- Messgröße
- Correct-verdict rate
- Einheit
- %
- Benchmark-Version
- ALARB (ArabicNLP 2025), Table 4
- Kategorie
- legal-reasoning
- Richtung
- Mehr ist besser
- Stichprobe
- 1329
- Quellentyp
- independent-evaluator
- Auswertung
- ALARB: An Arabic Legal Argument Reasoning Benchmark (ArabicNLP 2025; DOI 10.18653/v1/2025.arabicnlp-main.32)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. aya-expanse-32B, exakte Modellzeile in Tabelle 4; Verdict Prediction mit Fallfakten und gerichtlicher Begründung; das Modell soll das endgültige Urteil vorhersagen; GPT-4o bewertet als LLM-Judge die Übereinstimmung mit dem tatsächlichen Urteil; Tabelle 4, Anteil vollständig korrekter Urteile für Facts & Reasoning.
- Einordnung
- Abschnitt 5 nennt eine Teilmenge von 1.329 Rechtsfällen als Evaluationsmenge für alle Aufgaben. Diese ausgewiesene Fallmenge wird als N für jede der drei Verdict-Prediction-Aufgaben in Tabelle 4 verwendet. GPT-4o diente als LLM-Judge. API-/Checkpoint-Revision, Dekodierungskonfiguration und Konfidenzintervall sind nicht veröffentlicht. Die Anteile für partial und incorrect sind kategoriale Diagnosen, keine eigenständigen monotonen Qualitätswerte, und werden nicht importiert.
ALARB verdict prediction / Facts & Regulations / correct-verdict rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 36.3
- Bewertung
- 36.3
- Messgröße
- Correct-verdict rate
- Einheit
- %
- Benchmark-Version
- ALARB (ArabicNLP 2025), Table 4
- Kategorie
- legal-reasoning
- Richtung
- Mehr ist besser
- Stichprobe
- 1329
- Quellentyp
- independent-evaluator
- Auswertung
- ALARB: An Arabic Legal Argument Reasoning Benchmark (ArabicNLP 2025; DOI 10.18653/v1/2025.arabicnlp-main.32)
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. aya-expanse-32B, exakte Modellzeile in Tabelle 4; Verdict Prediction mit Fallfakten und einschlägigen Rechtsartikeln; das Modell soll schlussfolgern und ein Urteil vorhersagen; GPT-4o bewertet als LLM-Judge die Übereinstimmung mit dem tatsächlichen Urteil; Tabelle 4, Anteil vollständig korrekter Urteile für Facts & Regulations.
- Einordnung
- Abschnitt 5 nennt eine Teilmenge von 1.329 Rechtsfällen als Evaluationsmenge für alle Aufgaben. Diese ausgewiesene Fallmenge wird als N für jede der drei Verdict-Prediction-Aufgaben in Tabelle 4 verwendet. GPT-4o diente als LLM-Judge. API-/Checkpoint-Revision, Dekodierungskonfiguration und Konfidenzintervall sind nicht veröffentlicht. Die Anteile für partial und incorrect sind kategoriale Diagnosen, keine eigenständigen monotonen Qualitätswerte, und werden nicht importiert.
Seite 1 von 5
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
Die 100 beliebtesten Modelle dieser Kategorie, 0 bis 100, höher ist beliebter
20 von 101 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 7. November 2026
Aya Expanse 32BMixtral 8x22B 33Amazon Nova Pro 33MiMo V2.6 Pro UltraSpeed 33Nemotron Mini 4B Instruct 33
Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:
- 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Ähnliche Modelle
Weitere Modelle derselben Art wie Aya Expanse 32B, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- Aya Vision 32BCohere · gleicher Anbieter
- Aya Expanse 8BCohere · gleicher Anbieter
- Command ACohere · gleicher Anbieter
- Command R7BCohere · gleicher Anbieter
- Command R7B ArabicCohere · gleicher Anbieter
- Aya Vision 8BCohere · gleicher Anbieter
- Command A VisionCohere · gleicher Anbieter
- Command A ReasoningCohere · gleicher Anbieter
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
Häufige Fragen zu Aya Expanse 32B
Wie groß ist das Kontextfenster von Aya Expanse 32B?
128.000 Token. So viel Text liest Aya Expanse 32B auf einmal, das sind rund 190 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
Kann ich Aya Expanse 32B lokal nutzen?
Ja, die Gewichte sind offen.
Angaben von Cohere
- Offene Gewichte
- ja
- Lizenz
- CC BY-NC-4.0
- Parameter
- 32 Mrd.
- davon aktiv je Token
- k. A.
Quellen und Datenstand
Alle 22 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
| Auswerter | Testreihen | Gesamtindizes | Erfasste aktive Messwerte |
|---|---|---|---|
| LMArena | 0 | 0 | 1 |
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten. 1 Messwerte sind noch keiner Testreihe zugeordnet.
| Art | Nachweis und Datenstand |
|---|---|
| Eingabe | Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. |
| Ausgabe | Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. |
| Recherchestand | Recherchestand 15. Oktober 2026. 14 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | evaluation-details Hinweis Die Autorenarbeit spezifiziert Datensätze, Shots und Sprachgruppen, aber nicht alle Decoding-, Checkpoint- und Datumsdetails. |
| Nicht veröffentlicht | serving route and immutable model revision Originalwortlaut The result filename identifies the 32B model family/path, but the captured commit does not state serving route or an immutable evaluated checkpoint revision. |
| Nicht veröffentlicht | evaluation N and confidence interval Originalwortlaut No per-result evaluated sample count or confidence interval is published in the captured result rows. acc_norm_stderr is a standard error, not a CI. |
| Ungeklärt | unit and score direction Originalwortlaut The captured current result rows expose acc_norm values but no explicit scale/unit or direction setting; unit remains unknown and higherIsBetter remains null. |
| Nicht veröffentlicht | evaluation split and inference settings Originalwortlaut The captured commit does not establish split, few-shot count, prompt, or decoding settings for these accepted rows. |
| Weitere Quelle | Hugging Face (abgerufen 17. Oktober 2026) · Cohere Aya Expanse 32B model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026 |
| Weitere Quelle | Aya Expanse authors' multilingual evaluation paper (abgerufen 15. Oktober 2026) |
| Weitere Quelle | TIGER-Lab official MMLU-Pro leaderboard results.csv (abgerufen 15. Oktober 2026) |
| Weitere Quelle | Aya Expanse technical report, arXiv:2412.04261v1 (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Marco-Bench-MIF paper (arXiv:2507.11882v1) (abgerufen 17. Oktober 2026) |
| Weitere Quelle | ALARB: An Arabic Legal Argument Reasoning Benchmark (ArabicNLP 2025; DOI 10.18653/v1/2025.arabicnlp-main.32) (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Kids Multilingual Benchmark authors (Batuhan Aktas, Yuvraj, Fatih Buğra Akdoğan), hosted on Cohere Labs Community Blog (abgerufen 17. Oktober 2026) |
| Weitere Quelle | MIDAS (EMNLP 2025 paper) (abgerufen 18. Oktober 2026) |
| Weitere Quelle | Polyglot Teachers (arXiv:2604.11290v3) (abgerufen 18. Oktober 2026) |
| Weitere Quelle | Open Arabic LLM Leaderboard (OALL), v2_results (abgerufen 18. Oktober 2026) |
| Weitere Quelle | Arena English Text leaderboard (abgerufen 21. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 15. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 17. Oktober 2026)12 |
| Weitere Quelle | Cohere Aya Expanse announcement · Redaktionelle Beschreibung geprüft am 2. Oktober 2026 |
| Weitere Quelle | OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Ollama: kumulierte Downloads für den Beliebtheitsindex |
| Weitere Quelle | Replicate: kumulierte Ausführungen für den Beliebtheitsindex |
| Weitere Quelle | Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA |
| Weitere Quelle | Creative Commons Attribution 4.0 |