Zum Hauptinhalt springen

InternLMEntscheidungsmodellOpen Source

Intern-Decision-4B

BeliebtheitPlatz 16 von 39 Entscheidungsmodellen

34von 100neue Berechnung

beruht auf zwei Datengruppen, überwiegend Suche, Spanne 24 bis 44

Zusammenfassung

Intern-Decision-4B ist die größte der drei Intern-Decision-Varianten. Das multimodale Modell liest einen gemeinsamen State, benannte Fragen und optionale Bilder. Ein kausaler Vorwärtsdurchlauf bewertet die erlaubten Antwortsymbole und schreibt daraus typisierte JSON-Antworten mit Choice, Score oder Noul, ohne generate aufzurufen.

Der Checkpoint ist aus Qwen3.5-4B feinabgestimmt, läuft lokal mit der DecisionEngine und akzeptiert bis zu 8.192 Token Eingabe; die Veröffentlichung steht unter Apache-2.0.

GraduallyBench Decision

Intern-Decision-4B entscheidet 55 von 60 Testfällen richtig. Der Median der 33 getesteten Entscheidungsmodelle liegt bei 60,0 %.

Trefferquote

91,7 %

55 von 60 Testfällen

Robustheit

90,0 %

27 von 30 umformulierten Varianten

Unnötige Prüfungen

0,0 %

0 von 52 Fällen ohne Prüfbedarf

Antwortzeit

421 ms

Median, 95 % unter 821 ms, lokal, GPU

Trefferquote im Vergleich

Anteil richtiger Entscheidungen in Prozent, höher ist besser

20 von 33 Modellen

Jev93,3 %
Kev 9B93,3 %
Clef91,7 %
Intern-Decision-4B91,7 %
Clef-Flash85,0 %
Decider 4B85,0 %
d1-2B85,0 %
Lev81,7 %
d1-Omni-2B81,7 %
Kev 4B78,3 %
Jeff 170,0 %
Decider 2B66,7 %
Kev 0.8B50,0 %

Stand 10.11.2026. Quelle: GraduallyBench Decision

Trefferquote nach AufgabenfamilieDer Strich zeigt den Median aller 33 getesteten Modelle.
Dringlichkeit91,7 %11 / 12, Median 58,3 %
Zuständigkeit91,7 %11 / 12, Median 83,3 %
Bedingungen100,0 %12 / 12, Median 33,3 %
Tabellen83,3 %10 / 12, Median 50,0 %
Evidenz91,7 %11 / 12, Median 75,0 %

Intern-Decision-4B

Benchmark durchgeführt
Testdetails anzeigen

Entscheidungen

Lokal · Deutsch, Englisch

Ausführung Apple Metal. Präzision FP32.

130 gültige Ausgaben aus 130 begonnenen und 130 geplanten Testplätzen.

Gemessene Dauer p50 / p95 420,5 / 821 ms (130 Fälle). Lokale GPU. Quantilberechnung nicht dokumentiert.

Automatische Auswahlquote
91,67 %(55 / 60 geplante Fälle)Deutsch, Englisch
Automatische Auswahlquote, Dringlichkeit
91,67 %(11 / 12 geplante Fälle)Deutsch, Englisch
Automatische Auswahlquote, Zuständigkeit
91,67 %(11 / 12 geplante Fälle)Deutsch, Englisch
Automatische Auswahlquote, Auswahl mit Bedingungen
100 %(12 / 12 geplante Fälle)Deutsch, Englisch
Automatische Auswahlquote, Zahlen und Tabellen
83,33 %(10 / 12 geplante Fälle)Deutsch, Englisch
Automatische Auswahlquote, Ausreichende Evidenz
91,67 %(11 / 12 geplante Fälle)Deutsch, Englisch
Korrekte Robustheitsvarianten
90 %(27 / 30 geplante Fälle)Deutsch, Englisch
Korrekte Entwicklungsfälle
92,5 %(37 / 40 geplante Fälle)Deutsch, Englisch
Unnötige Prüfungen
0 %(0 / 52 auswertbare Fälle ohne erforderliche Prüfung)Deutsch, Englisch
Unterlassene notwendige Prüfungen
12,5 %(1 / 8 auswertbare Fälle mit erforderlicher Prüfung)Deutsch, Englisch

Antwortzeiten lassen sich nur innerhalb derselben Umgebung vergleichen und bilden keine gemeinsame Tempo-Rangliste. Testreferenzen wurden, sofern verwendet, nicht unabhängig menschlich geprüft. Testumfang und Methoden unterscheiden sich je Modell. Jede Kennzahl steht für sich, einen gemeinsamen Gesamtwert über alle Tests gibt es nicht. Daten zusammengestellt am 10.11.2026. So testen wir · Alle Decision- und Audioergebnisse als JSON herunterladen

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 72 veröffentlichten Benchmark-Werte anzeigen

Seite 1 von 6

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

Intern Decision evaluation: Jevbench-Easy (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
100
Messgröße
Jevbench-Easy
Einheit
%
Benchmark-Version
arXiv:2610.22131v1, Table 3, Jevbench-Easy
Kategorie
Intern Decision evaluation
Richtung
Mehr ist besser
Stichprobe
48
Quellentyp
vendor-reported
Auswertung
InternLM Intern-Decision-4B model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Tabelle 3: lokale Hugging-Face-Inferenz mit strukturiertem Kandidatenscoring. Exakte Modellbezeichnung: Intern-Decision-4B. Testsuite: Jevbench-Easy. Tabelle 2 weist N=48 Entscheidungen für diese Suite aus.
Quelle InternLM Intern-Decision-4B model card
Intern Decision evaluation: Jevbench-Original (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
98,61
Messgröße
Jevbench-Original
Einheit
%
Benchmark-Version
arXiv:2610.22131v1, Table 3, Jevbench-Original
Kategorie
Intern Decision evaluation
Richtung
Mehr ist besser
Stichprobe
72
Quellentyp
vendor-reported
Auswertung
InternLM Intern-Decision-4B model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Tabelle 3: lokale Hugging-Face-Inferenz mit strukturiertem Kandidatenscoring. Exakte Modellbezeichnung: Intern-Decision-4B. Testsuite: Jevbench-Original. Tabelle 2 weist N=72 Entscheidungen für diese Suite aus.
Quelle InternLM Intern-Decision-4B model card
Intern Decision evaluation: Jevbench-Hard (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
73,87
Messgröße
Jevbench-Hard
Einheit
%
Benchmark-Version
arXiv:2610.22131v1, Table 3, Jevbench-Hard
Kategorie
Intern Decision evaluation
Richtung
Mehr ist besser
Stichprobe
111
Quellentyp
vendor-reported
Auswertung
InternLM Intern-Decision-4B model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Tabelle 3: lokale Hugging-Face-Inferenz mit strukturiertem Kandidatenscoring. Exakte Modellbezeichnung: Intern-Decision-4B. Testsuite: Jevbench-Hard. Tabelle 2 weist N=111 Entscheidungen für diese Suite aus.
Quelle InternLM Intern-Decision-4B model card
Intern Decision evaluation: Typed Decision (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
80,55
Messgröße
Typed Decision
Einheit
%
Benchmark-Version
arXiv:2610.22131v1, Table 3, Typed Decision
Kategorie
Intern Decision evaluation
Richtung
Mehr ist besser
Stichprobe
2000
Quellentyp
vendor-reported
Auswertung
InternLM Intern-Decision-4B model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Tabelle 3: lokale Hugging-Face-Inferenz mit strukturiertem Kandidatenscoring. Exakte Modellbezeichnung: Intern-Decision-4B. Testsuite: Typed Decision. Tabelle 2 weist N=2.000 Entscheidungen für diese Suite aus.
Quelle InternLM Intern-Decision-4B model card
Intern Decision evaluation: ToolACE (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
96,45
Messgröße
ToolACE
Einheit
%
Benchmark-Version
arXiv:2610.22131v1, Table 3, ToolACE
Kategorie
Intern Decision evaluation
Richtung
Mehr ist besser
Stichprobe
310
Quellentyp
vendor-reported
Auswertung
InternLM Intern-Decision-4B model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Tabelle 3: lokale Hugging-Face-Inferenz mit strukturiertem Kandidatenscoring. Exakte Modellbezeichnung: Intern-Decision-4B. Testsuite: ToolACE. Tabelle 2 weist N=310 Entscheidungen für diese Suite aus.
Quelle InternLM Intern-Decision-4B model card
Intern Decision evaluation: AG News (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
90,82
Messgröße
AG News
Einheit
%
Benchmark-Version
arXiv:2610.22131v1, Table 3, AG News
Kategorie
Intern Decision evaluation
Richtung
Mehr ist besser
Stichprobe
7600
Quellentyp
vendor-reported
Auswertung
InternLM Intern-Decision-4B model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Tabelle 3: lokale Hugging-Face-Inferenz mit strukturiertem Kandidatenscoring. Exakte Modellbezeichnung: Intern-Decision-4B. Testsuite: AG News. Tabelle 2 weist N=7.600 Entscheidungen für diese Suite aus.
Quelle InternLM Intern-Decision-4B model card
Intern Decision evaluation: WildJailBreak (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
89,86
Messgröße
WildJailBreak
Einheit
%
Benchmark-Version
arXiv:2610.22131v1, Table 3, WildJailBreak
Kategorie
Intern Decision evaluation
Richtung
Mehr ist besser
Stichprobe
2210
Quellentyp
vendor-reported
Auswertung
InternLM Intern-Decision-4B model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Tabelle 3: lokale Hugging-Face-Inferenz mit strukturiertem Kandidatenscoring. Exakte Modellbezeichnung: Intern-Decision-4B. Testsuite: WildJailBreak. Tabelle 2 weist N=2.210 Entscheidungen für diese Suite aus.
Quelle InternLM Intern-Decision-4B model card
Intern Decision evaluation: Average (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
90,02
Messgröße
Average
Einheit
%
Kategorie
Intern Decision evaluation
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
InternLM Intern-Decision-4B model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Lokale Hugging-Face-Inferenz=ja; Strukturiertes Kandidatenscoring=ja
Quelle InternLM Intern-Decision-4B model card
Zero-shot IE multilingual: popular-language tier accuracy (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
100
Messgröße
accuracy, source table rounded to whole percent
Einheit
%
Benchmark-Version
Zero-shot IE multilingual snapshot at repository commit c45a00c25d2731ac7047def97b91421aaff2f611
Kategorie
multilingual-popular
Richtung
Mehr ist besser
Stichprobe
18
Quellentyp
independent-evaluator
Auswertung
Zero-shot IE benchmark README, pinned commit c45a00c25d2731ac7047def97b91421aaff2f611
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Die gepinnte Tabelle der Auswerter-README meldet für die exakte Ergebniszeile „Intern-Decision 4B“ das Tier Popular: 100 %. Die Aufgabe umfasst sechs Sentimenttexte je Sprache in neun Sprachen. Dieses Tier enthält Spanish, French and Simplified Chinese, insgesamt 18 Texte. Der Messwert stammt direkt aus der gepinnten README-Tabelle (Body-SHA-256 7905d1cbfb4d75d65d02a5e6c537e1e84fe8b5c388f33075a6c0db42fa0cac98) und wurde nicht aus den separaten Sprachwerten neu berechnet. Der öffentliche Runner beschreibt eine blinde Rückübersetzung und verwendet Labeloptionen mit englischen Beschreibungen. Eine unveränderliche Modell-/API-Revision und ein Konfidenzintervall sind nicht veröffentlicht.
Einordnung
Die gepinnte README des Auswerters veröffentlicht auf ganze Prozent gerundete Tier-Zellen. Verwendet werden genau diese angezeigten Werte, keine Neuberechnung aus sprachbezogenen Daten. Es handelt sich um eine kleine benutzerdefinierte Evaluation, nicht um eine standardisierte Rangliste. Der Autor berichtet eine blinde Rückübersetzung und sagt, die vollständige Texttabelle sei in einem PR zur Prüfung durch Muttersprachler gewesen. Diese Prüfung wurde nicht unabhängig bestätigt. System-/Modellrevisionen und vollständige Decoding-Einstellungen sind nicht gepinnt.
Quelle Zero-shot IE benchmark README, pinned commit c45a00c25d2731ac7047def97b91421aaff2f611
Zero-shot IE multilingual: medium-resource-language tier accuracy (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
100
Messgröße
accuracy, source table rounded to whole percent
Einheit
%
Benchmark-Version
Zero-shot IE multilingual snapshot at repository commit c45a00c25d2731ac7047def97b91421aaff2f611
Kategorie
multilingual-medium
Richtung
Mehr ist besser
Stichprobe
18
Quellentyp
independent-evaluator
Auswertung
Zero-shot IE benchmark README, pinned commit c45a00c25d2731ac7047def97b91421aaff2f611
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Die gepinnte Tabelle der Auswerter-README meldet für die exakte Ergebniszeile „Intern-Decision 4B“ das Tier Medium: 100 %. Die Aufgabe umfasst sechs Sentimenttexte je Sprache in neun Sprachen. Dieses Tier enthält Vietnamese, Turkish and Ukrainian, insgesamt 18 Texte. Der Messwert stammt direkt aus der gepinnten README-Tabelle (Body-SHA-256 7905d1cbfb4d75d65d02a5e6c537e1e84fe8b5c388f33075a6c0db42fa0cac98) und wurde nicht aus den separaten Sprachwerten neu berechnet. Der öffentliche Runner beschreibt eine blinde Rückübersetzung und verwendet Labeloptionen mit englischen Beschreibungen. Eine unveränderliche Modell-/API-Revision und ein Konfidenzintervall sind nicht veröffentlicht.
Einordnung
Die gepinnte README des Auswerters veröffentlicht auf ganze Prozent gerundete Tier-Zellen. Verwendet werden genau diese angezeigten Werte, keine Neuberechnung aus sprachbezogenen Daten. Es handelt sich um eine kleine benutzerdefinierte Evaluation, nicht um eine standardisierte Rangliste. Der Autor berichtet eine blinde Rückübersetzung und sagt, die vollständige Texttabelle sei in einem PR zur Prüfung durch Muttersprachler gewesen. Diese Prüfung wurde nicht unabhängig bestätigt. System-/Modellrevisionen und vollständige Decoding-Einstellungen sind nicht gepinnt.
Quelle Zero-shot IE benchmark README, pinned commit c45a00c25d2731ac7047def97b91421aaff2f611
Zero-shot IE multilingual: rare-language tier accuracy (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
94
Messgröße
accuracy, source table rounded to whole percent
Einheit
%
Benchmark-Version
Zero-shot IE multilingual snapshot at repository commit c45a00c25d2731ac7047def97b91421aaff2f611
Kategorie
multilingual-rare
Richtung
Mehr ist besser
Stichprobe
18
Quellentyp
independent-evaluator
Auswertung
Zero-shot IE benchmark README, pinned commit c45a00c25d2731ac7047def97b91421aaff2f611
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Die gepinnte Tabelle der Auswerter-README meldet für die exakte Ergebniszeile „Intern-Decision 4B“ das Tier Rare: 94 %. Die Aufgabe umfasst sechs Sentimenttexte je Sprache in neun Sprachen. Dieses Tier enthält Sinhala, Icelandic and Welsh, insgesamt 18 Texte. Der Messwert stammt direkt aus der gepinnten README-Tabelle (Body-SHA-256 7905d1cbfb4d75d65d02a5e6c537e1e84fe8b5c388f33075a6c0db42fa0cac98) und wurde nicht aus den separaten Sprachwerten neu berechnet. Der öffentliche Runner beschreibt eine blinde Rückübersetzung und verwendet Labeloptionen mit englischen Beschreibungen. Eine unveränderliche Modell-/API-Revision und ein Konfidenzintervall sind nicht veröffentlicht.
Einordnung
Die gepinnte README des Auswerters veröffentlicht auf ganze Prozent gerundete Tier-Zellen. Verwendet werden genau diese angezeigten Werte, keine Neuberechnung aus sprachbezogenen Daten. Es handelt sich um eine kleine benutzerdefinierte Evaluation, nicht um eine standardisierte Rangliste. Der Autor berichtet eine blinde Rückübersetzung und sagt, die vollständige Texttabelle sei in einem PR zur Prüfung durch Muttersprachler gewesen. Diese Prüfung wurde nicht unabhängig bestätigt. System-/Modellrevisionen und vollständige Decoding-Einstellungen sind nicht gepinnt.
Quelle Zero-shot IE benchmark README, pinned commit c45a00c25d2731ac7047def97b91421aaff2f611
JEVal (arXiv:2610.03935v2), overall choice/noul evaluation (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
70,74
Messgröße
accuracy (invalid outputs count as incorrect)
Einheit
%
Benchmark-Version
arXiv:2610.03935v2, Table 1
Kategorie
JEVal overall choice/noul
Richtung
Mehr ist besser
Stichprobe
10938
Quellentyp
community-reported
Auswertung
Duan et al., General Decision Models: Benchmarking and Insights Beyond Jev (arXiv:2610.03935v2)
Status
active
Abrufdatum
2026-10-18
Methodik
Community-Messung. JEVal-Tabelle 1, exakte Quellenbezeichnung Intern-Decision-4B; Lauf eines Entscheidungsmodells, kein Reasoning-Aufwand ausgewiesen; lokale Ausführung mit vLLM auf NVIDIA H100; Kontextfenster 32.768 Tokens; Eingabebudget 24.576 Tokens; Temperatur 1,9924; 10.938 Choice- und Noul-Fragen.
Einordnung
Ein unveränderlicher Hash der ausgewerteten Gewichte oder Serving-Revision ist nicht angegeben. Tabelle 1 zählt ungültige Ausgaben bei der Genauigkeit als falsch; ECE und Raw Brier werden nur für gültige Antworten berechnet, deren N je Modell nicht berichtet wird. Das Paper nennt für diese Punktwerte kein Konfidenzintervall.
Quelle Duan et al., General Decision Models: Benchmarking and Insights Beyond Jev (arXiv:2610.03935v2)

Seite 1 von 6

Beliebtheit im Vergleich

Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.

Beliebtheitsindex

0 bis 100, höher ist beliebter

20 von 42 Modellen

Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 20. November 2026

Intern-Decision-4BJeff 1 34Laya Typed Decisions 33pplx-decider-v1.2 33pplx-decider-flash-v1.2 32

Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:

  1. 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
  2. 21. November 2026: Methodenversion 4 (gemeinsame Skala, Schrumpfung)
  3. 39. November 2026: Neue Topics-Erhebung V20 (Tagesquorum, Kurzformen)

Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.

Alle technischen Daten

Architektur

Modellklasse
Multimodales strukturiertes Entscheidungsmodell, kein Freitext-Generator
Quelle: Modellklasse
Checkpoint
internlm/Intern-Decision-4B
Quelle: Checkpoint
Basismodell
Qwen/Qwen3.5-4B
Quelle: Basismodell

Ein- und Ausgabe

Eingabe
State, benannte Fragen und optionale Bilder
Quelle: Eingabe
Kontextfenster
8.192 Token Eingabelimit der Laufzeit
Quelle: Kontextfenster

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

Zugang
Lokale Hugging-Face-Ausführung mit dem mitgelieferten DecisionEngine
Quelle: Zugang
Lizenz
Apache-2.0 mit erhaltenen Qwen-Hinweisen
Quelle: Lizenz
Abschaltung
Keine angekündigt
ohne Quelle

Weitere Angaben

Ausgabeschema
Choice, Score und Noul als typisierte JSON-Antworten mit Wahrscheinlichkeiten
Quelle: Ausgabeschema

Quellen und Datenstand

Alle 17 Quellen anzeigen

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.

ArtNachweis und Datenstand
RecherchestandRecherchestand 17. Oktober 2026. 9 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Nicht veröffentlicht

immutable-model-or-route-revision

Hinweis

The zero-shot IE custom benchmark maps its exact public label to the profile task, but does not publish the loaded weight hash or immutable serving revision.

Nicht veröffentlicht

sampling-uncertainty

Hinweis

The zero-shot IE small custom pools have no published confidence intervals. This gap is specific to those score cells.

Nicht veröffentlicht

Unveränderliche Revision des im Decision Index ausgelieferten Checkpoints

Hinweis

Der aktuelle öffentliche Index nennt je nach Eintrag Modell-URL und served_checkpoint, aber keinen unveränderlichen Commit/Digest der tatsächlich ausgewerteten Gewichte.

Weitere QuelleIntern-Decision collection (abgerufen 3. Oktober 2026) · Intern-Decision collection · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleIntern-Decision repository (abgerufen 3. Oktober 2026) · Intern-Decision repository · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleIntern-Decision-4B model card (abgerufen 3. Oktober 2026; 4. Oktober 2026) · Intern-Decision-4B model card · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleZero-shot IE benchmark, pinned public result snapshot (c45a00c25d2731ac7047def97b91421aaff2f611) (abgerufen 17. Oktober 2026)
Weitere QuelleZero-shot IE benchmark README, pinned commit c45a00c25d2731ac7047def97b91421aaff2f611 (abgerufen 17. Oktober 2026)
Weitere QuelleDuan et al., General Decision Models: Benchmarking and Insights Beyond Jev (arXiv:2610.03935v2) (abgerufen 18. Oktober 2026)
Weitere QuelleSysOne-bench public results.json (abgerufen 23. Oktober 2026)
Weitere QuelleJev Decision Index public index.json (release-v4) (abgerufen 28. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 17. Oktober 2026)12
Weitere QuelleIntern-Decision technical report (Tables 2-6) (abgerufen 17. Oktober 2026)
Weitere QuelleOpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere QuelleVercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere QuelleOllama: kumulierte Downloads für den Beliebtheitsindex
Weitere QuelleReplicate: kumulierte Ausführungen für den Beliebtheitsindex
Weitere QuelleGoogle Trending Now: begrenzte Feed-Auswahl für Deutschland und USA
Weitere QuelleCreative Commons Attribution 4.0