TIISprachmodell
Falcon 180B
Für Falcon 180B gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
BeliebtheitPlatz 633 von 785
25von 100wie im Vormonat
beruht auf Suche, Nutzung und Aufmerksamkeit
Zusammenfassung
Falcon 180B bleibt ein Rohmodell für weiteres Fine-Tuning und ist kein fertiger Chat-Assistent. Der dichte Decoder des 2023 veröffentlichten Foundation-Modells wurde auf 3,5 Billionen Token aus RefinedWeb und kuratierten Quellen trainiert, bietet aber nur 2K Kontext.
Die offizielle Modellkarte rechnet für schnelle Inferenz mit ungefähr 400 GB Speicher und empfiehlt zusätzliche Anpassung sowie eigene Sicherheitsvorkehrungen. Die Falcon-180B-TII-Lizenz enthält eigene Acceptable-Use-Regeln.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 42 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 4
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
Hugging Face Open LLM Leaderboard aggregate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 67.85
- Bewertung
- 67.85
- Messgröße
- percent
- Einheit
- %
- Richtung
- Mehr ist besser
- Quellentyp
- official-leaderboard
- Auswertung
- Hugging Face Falcon 180B evaluation retrospective
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Offizielle Benchmark-Rangliste. Der exakte Checkpoint Falcon 180B wurde auf Hugging Face Open LLM Leaderboard aggregate mit Durchschnitt über ARC Challenge, HellaSwag, MMLU, TruthfulQA, WinoGrande und GSM8K ausgewertet.
Dr.Academy general-domain question generation (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 85.4
- Bewertung
- 85.4
- Messgröße
- Con
- Einheit
- %
- Benchmark-Version
- ACL 2024, Table 3
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Dr.Academy paper (ACL Anthology, 2024)
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Die Arbeit bewertet erzeugte Fragen für den Bildungseinsatz. GPT-4 bewertet jede Frage dreimal anhand binärer Kriterien mit 1 oder 0. Mindestens zwei Bewertungen mit 1 erfüllen ein Kriterium. Tabelle 3 zeigt die allgemeine Domänenaufgabe. Für die ICL-Werte enthält der Prompt ein von Menschen verfasstes Beispiel; Aver ist der Mittelwert der vier Dimensionen.
- Einordnung
- Die Tabellen 3 und 5 nennen weder die ausgewertete Stichprobengröße noch Konfidenzintervalle, Einstellungen der Modellerzeugung oder ein Ausführungsdatum. Die separate manuelle Auswertung der Arbeit umfasste 1.000 Fragen je Modell und Aufgabe. Diese Zahl ist nicht die Stichprobengröße der automatischen Tabellenwerte.
Dr.Academy general-domain question generation (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 95.7
- Bewertung
- 95.7
- Messgröße
- Rel
- Einheit
- %
- Benchmark-Version
- ACL 2024, Table 3
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Dr.Academy paper (ACL Anthology, 2024)
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Die Arbeit bewertet erzeugte Fragen für den Bildungseinsatz. GPT-4 bewertet jede Frage dreimal anhand binärer Kriterien mit 1 oder 0. Mindestens zwei Bewertungen mit 1 erfüllen ein Kriterium. Tabelle 3 zeigt die allgemeine Domänenaufgabe. Für die ICL-Werte enthält der Prompt ein von Menschen verfasstes Beispiel; Aver ist der Mittelwert der vier Dimensionen.
- Einordnung
- Die Tabellen 3 und 5 nennen weder die ausgewertete Stichprobengröße noch Konfidenzintervalle, Einstellungen der Modellerzeugung oder ein Ausführungsdatum. Die separate manuelle Auswertung der Arbeit umfasste 1.000 Fragen je Modell und Aufgabe. Diese Zahl ist nicht die Stichprobengröße der automatischen Tabellenwerte.
Dr.Academy general-domain question generation (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 34.8
- Bewertung
- 34.8
- Messgröße
- Cov
- Einheit
- %
- Benchmark-Version
- ACL 2024, Table 3
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Dr.Academy paper (ACL Anthology, 2024)
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Die Arbeit bewertet erzeugte Fragen für den Bildungseinsatz. GPT-4 bewertet jede Frage dreimal anhand binärer Kriterien mit 1 oder 0. Mindestens zwei Bewertungen mit 1 erfüllen ein Kriterium. Tabelle 3 zeigt die allgemeine Domänenaufgabe. Für die ICL-Werte enthält der Prompt ein von Menschen verfasstes Beispiel; Aver ist der Mittelwert der vier Dimensionen.
- Einordnung
- Die Tabellen 3 und 5 nennen weder die ausgewertete Stichprobengröße noch Konfidenzintervalle, Einstellungen der Modellerzeugung oder ein Ausführungsdatum. Die separate manuelle Auswertung der Arbeit umfasste 1.000 Fragen je Modell und Aufgabe. Diese Zahl ist nicht die Stichprobengröße der automatischen Tabellenwerte.
Dr.Academy general-domain question generation (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 55.1
- Bewertung
- 55.1
- Messgröße
- Rep
- Einheit
- %
- Benchmark-Version
- ACL 2024, Table 3
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Dr.Academy paper (ACL Anthology, 2024)
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Die Arbeit bewertet erzeugte Fragen für den Bildungseinsatz. GPT-4 bewertet jede Frage dreimal anhand binärer Kriterien mit 1 oder 0. Mindestens zwei Bewertungen mit 1 erfüllen ein Kriterium. Tabelle 3 zeigt die allgemeine Domänenaufgabe. Für die ICL-Werte enthält der Prompt ein von Menschen verfasstes Beispiel; Aver ist der Mittelwert der vier Dimensionen.
- Einordnung
- Die Tabellen 3 und 5 nennen weder die ausgewertete Stichprobengröße noch Konfidenzintervalle, Einstellungen der Modellerzeugung oder ein Ausführungsdatum. Die separate manuelle Auswertung der Arbeit umfasste 1.000 Fragen je Modell und Aufgabe. Diese Zahl ist nicht die Stichprobengröße der automatischen Tabellenwerte.
Dr.Academy general-domain question generation (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 67.8
- Bewertung
- 67.8
- Messgröße
- Aver
- Einheit
- %
- Benchmark-Version
- ACL 2024, Table 3
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Dr.Academy paper (ACL Anthology, 2024)
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Die Arbeit bewertet erzeugte Fragen für den Bildungseinsatz. GPT-4 bewertet jede Frage dreimal anhand binärer Kriterien mit 1 oder 0. Mindestens zwei Bewertungen mit 1 erfüllen ein Kriterium. Tabelle 3 zeigt die allgemeine Domänenaufgabe. Für die ICL-Werte enthält der Prompt ein von Menschen verfasstes Beispiel; Aver ist der Mittelwert der vier Dimensionen.
- Einordnung
- Die Tabellen 3 und 5 nennen weder die ausgewertete Stichprobengröße noch Konfidenzintervalle, Einstellungen der Modellerzeugung oder ein Ausführungsdatum. Die separate manuelle Auswertung der Arbeit umfasste 1.000 Fragen je Modell und Aufgabe. Diese Zahl ist nicht die Stichprobengröße der automatischen Tabellenwerte.
Dr.Academy general-domain question generation (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 57.2
- Bewertung
- 57.2
- Messgröße
- 0-shot
- Einheit
- %
- Benchmark-Version
- ACL 2024, Table 3
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Dr.Academy paper (ACL Anthology, 2024)
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Fragegenerierung für die allgemeine Domäne ohne Beispiele (Zero-Shot). GPT-4 bewertet jede Frage dreimal anhand binärer Kriterien mit 1 oder 0. Mindestens zwei Bewertungen mit 1 erfüllen ein Kriterium.
- Einordnung
- Die Tabellen 3 und 5 nennen weder die ausgewertete Stichprobengröße noch Konfidenzintervalle, Einstellungen der Modellerzeugung oder ein Ausführungsdatum. Die separate manuelle Auswertung der Arbeit umfasste 1.000 Fragen je Modell und Aufgabe. Diese Zahl ist nicht die Stichprobengröße der automatischen Tabellenwerte.
Dr.Academy general-domain question generation (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 18.4
- Bewertung
- 18.4
- Messgröße
- ↓(%)
- Einheit
- %
- Benchmark-Version
- ACL 2024, Table 3
- Richtung
- Weniger ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Dr.Academy paper (ACL Anthology, 2024)
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Ergebnisse für die allgemeine Domäne. Die Quelle bezeichnet diese Spalte mit „↓(%)“, gibt ihre Berechnung aber nicht an.
- Einordnung
- Die Tabellen 3 und 5 nennen weder die ausgewertete Stichprobengröße noch Konfidenzintervalle, Einstellungen der Modellerzeugung oder ein Ausführungsdatum. Die separate manuelle Auswertung der Arbeit umfasste 1.000 Fragen je Modell und Aufgabe. Diese Zahl ist nicht die Stichprobengröße der automatischen Tabellenwerte.
Dr.Academy interdisciplinary question generation (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 79.8
- Bewertung
- 79.8
- Messgröße
- Rel
- Einheit
- %
- Benchmark-Version
- ACL 2024, Table 5
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Dr.Academy paper (ACL Anthology, 2024)
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Die Arbeit bewertet erzeugte Fragen für den Bildungseinsatz. GPT-4 bewertet jede Frage dreimal anhand binärer Kriterien mit 1 oder 0. Mindestens zwei Bewertungen mit 1 erfüllen ein Kriterium. Tabelle 5 zeigt die interdisziplinäre Aufgabe. Für den ICL-Durchschnitt wird ein von Menschen verfasstes Beispiel in den Prompt aufgenommen.
- Einordnung
- Die Tabellen 3 und 5 nennen weder die ausgewertete Stichprobengröße noch Konfidenzintervalle, Einstellungen der Modellerzeugung oder ein Ausführungsdatum. Die separate manuelle Auswertung der Arbeit umfasste 1.000 Fragen je Modell und Aufgabe. Diese Zahl ist nicht die Stichprobengröße der automatischen Tabellenwerte.
Dr.Academy interdisciplinary question generation (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 80
- Bewertung
- 80
- Messgröße
- Rep
- Einheit
- %
- Benchmark-Version
- ACL 2024, Table 5
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Dr.Academy paper (ACL Anthology, 2024)
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Die Arbeit bewertet erzeugte Fragen für den Bildungseinsatz. GPT-4 bewertet jede Frage dreimal anhand binärer Kriterien mit 1 oder 0. Mindestens zwei Bewertungen mit 1 erfüllen ein Kriterium. Tabelle 5 zeigt die interdisziplinäre Aufgabe. Für den ICL-Durchschnitt wird ein von Menschen verfasstes Beispiel in den Prompt aufgenommen.
- Einordnung
- Die Tabellen 3 und 5 nennen weder die ausgewertete Stichprobengröße noch Konfidenzintervalle, Einstellungen der Modellerzeugung oder ein Ausführungsdatum. Die separate manuelle Auswertung der Arbeit umfasste 1.000 Fragen je Modell und Aufgabe. Diese Zahl ist nicht die Stichprobengröße der automatischen Tabellenwerte.
Dr.Academy interdisciplinary question generation (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 79.9
- Bewertung
- 79.9
- Messgröße
- Aver
- Einheit
- %
- Benchmark-Version
- ACL 2024, Table 5
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Dr.Academy paper (ACL Anthology, 2024)
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Die Arbeit bewertet erzeugte Fragen für den Bildungseinsatz. GPT-4 bewertet jede Frage dreimal anhand binärer Kriterien mit 1 oder 0. Mindestens zwei Bewertungen mit 1 erfüllen ein Kriterium. Tabelle 5 zeigt die interdisziplinäre Aufgabe. Für den ICL-Durchschnitt wird ein von Menschen verfasstes Beispiel in den Prompt aufgenommen.
- Einordnung
- Die Tabellen 3 und 5 nennen weder die ausgewertete Stichprobengröße noch Konfidenzintervalle, Einstellungen der Modellerzeugung oder ein Ausführungsdatum. Die separate manuelle Auswertung der Arbeit umfasste 1.000 Fragen je Modell und Aufgabe. Diese Zahl ist nicht die Stichprobengröße der automatischen Tabellenwerte.
Dr.Academy interdisciplinary question generation (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 71.7
- Bewertung
- 71.7
- Messgröße
- 0-shot
- Einheit
- %
- Benchmark-Version
- ACL 2024, Table 5
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Dr.Academy paper (ACL Anthology, 2024)
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Fragegenerierung für die interdisziplinäre Aufgabe ohne Beispiele (Zero-Shot). GPT-4 bewertet jede Frage dreimal anhand binärer Kriterien mit 1 oder 0. Mindestens zwei Bewertungen mit 1 erfüllen ein Kriterium.
- Einordnung
- Die Tabellen 3 und 5 nennen weder die ausgewertete Stichprobengröße noch Konfidenzintervalle, Einstellungen der Modellerzeugung oder ein Ausführungsdatum. Die separate manuelle Auswertung der Arbeit umfasste 1.000 Fragen je Modell und Aufgabe. Diese Zahl ist nicht die Stichprobengröße der automatischen Tabellenwerte.
Seite 1 von 4
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
Falcon 180BLlama-3.2-90B-Vision-Instruct 26o3-pro 26Index-Homura-9B 25Trinity Nano Preview 25
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 Falcon 180B, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- Falcon 3 7BTII · gleicher Anbieter
- Falcon 3 10BTII · gleicher Anbieter
- WizardLM-2 8x22BMicrosoft · ähnliche Größe
- Mixtral 8x22BMistral AI · ähnliche Größe
- DBRXDatabricks · ähnliche Größe
- Pixtral Large (latest)Mistral AI · ähnliche Größe
- DeepSeek LLM 67BDeepSeek · ähnliche Größe
- Step 3.7 FlashStepFun · ähnliche Größe
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 Falcon 180B
Wie groß ist das Kontextfenster von Falcon 180B?
2.048 Token. So viel Text liest Falcon 180B auf einmal, das sind rund 0 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
GLM-5.1200 Tsd.
DeepSeek-V3 0324164 Tsd.
GLM-4.5131 Tsd.
GPT OSS 120B131 Tsd.
DeepSeek-V3.2128 Tsd.
DeepSeek-R1128 Tsd.
Falcon 180BPlatz 103 von 1032 Tsd.
Kann ich Falcon 180B lokal nutzen?
Ja, die Gewichte sind offen. Mit 180 Mrd. Parametern braucht es aber sehr viel Speicher, eher einen Server als einen Laptop.
Angaben von TII
- Offene Gewichte
- ja
- Lizenz
- Falcon License
- Parameter
- 180 Mrd.
- davon aktiv je Token
- k. A.
Quellen und Datenstand
Alle 10 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.
| Art | Nachweis und Datenstand |
|---|---|
| Eingabe | Dokumentierte Modalitäten. |
| Ausgabe | Dokumentierte Modalitäten. |
| Recherchestand | Recherchestand 15. Oktober 2026. 4 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Ungeklärt | flattened-table-20 Hinweis Die flach extrahierte Mehrspaltentabelle 20 des Falcon-Berichts ordnet Zahlen nicht eindeutig Modell und Aufgabe zu. Diese Werte bleiben ausgelassen, statt sie zu erraten. Der Bericht nennt für die Tabellen auch keine Stichprobengrößen. |
| Weitere Quelle | Hugging Face Falcon 180B evaluation retrospective (abgerufen 15. Oktober 2026) |
| Weitere Quelle | Falcon technical report (abgerufen 16. Oktober 2026) |
| Weitere Quelle | Dr.Academy paper (ACL Anthology, 2024) (abgerufen 19. 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 |