Local Quench

QuenchBench 排行榜

本地模型在 QuenchBench 上的分享结果：哪个模型、哪种量化、在哪块显卡上，能解决多少任务。每一行都是用户自己跑完后选择分享的结果；结果按模型、量化、KV 缓存类型、显卡和任务选择合并统计，可疑的运行不会上榜。

  • 解决率隐藏检查全部通过的任务所占比例，取各台电脑的中位数（一台电脑只算一次，无论它分享了多少次运行）。
  • 可比同一行里只有使用默认 harness、任务选择相同的运行；消融测试、手工挑选的任务列表和少于 13 个任务的运行不上榜。在云端 API 上的运行会标明。
  • 分享你的结果在 Local Quench 里运行 QuenchBench，跑完后应用询问时点 Share。排行榜只显示数字；这次运行的对话是否一起发送，由同一个对话框里的一个勾选框决定。详见对话分享说明。

用户分享的结果

每次运行结束后，应用会询问是否分享，并展示将要发送的内容：模型、量化、KV 缓存类型、推理引擎、采样设置、硬件和每个任务的数据，绝不包括你的代码或你自己的对话。如果你勾选“Also send the agent's conversations from this run”（打开了对话分享时总会发送），这次运行的对话会一起发送：任务文本、模型的回复，以及它在我们的任务文件上运行的命令，其中不含你项目里的任何内容。这些对话永不公开；它们用于改进 harness，只有在你另外允许用分享的对话训练模型、并且模型是本地模型时，才用于训练和评估模型，并与结果一起删除。结果按模型、量化、KV 缓存类型和显卡合并统计。

模型量化基准测试显卡解决率任务数电脑数tok/s
还没有分享的结果。在应用里运行 QuenchBench 并分享，你的结果就会出现在这里。

与公开基准测试对照

每个模型一行：左边是它在用户分享的运行中的 QuenchBench 结果（有多组结果时，取电脑最多的完整规模运行；在 Local Quench 里、普通显卡上运行量化后的权重），右边是模型开发者或公开基准测试自己的排行榜公布的分数。后者由别人测得，用的是全精度权重、他们自己的 harness 和提示词，所以两边的数字不能一一对比。标记：● 基准测试自己的排行榜，○ 模型开发者自己公布，◇ 第三方。每个公布的分数都链接到来源。模型列表来自应用的数据，更新于 2026-10-29。

模型参数量QuenchBenchSWE-bench VerifiedSWE-bench MultilingualTerminal-Bench 2.0Aider PolyglotLiveCodeBench
Mistral Medium 3.5 (128B)128B-77.6% ○----
Qwen3.8 Flash-Next125B-A6B--81% ○--91.9% ○
Devstral 2 (2512)123B-53.8% ●-32.6% ○--
Nemotron 3 Super 120B-A12B120B-A12B-60.47% ○45.78% ○31% ○--
Laguna S 2.1118B-A8B--78.5% ○---
gpt-oss-120b117B-A5.1B-26% ●-18.7% ●41.8% ●-
Qwen3-Coder-Next80B-A3B-70.6% ○-36.2% ○--
Recursive Flint39.8B-A2.5B-74.2% ○----
Seed-OSS 36B Instruct36B-56% ○---67.4% ○
Qwen3.6 35B-A3B35B-A3B-73.4% ○-51.5% ○-80.4% ○
Qwen3.5 35B-A3B35B-A3B-70% ○-40.5% ○-74.6% ○
Ornith 1.5 35B-A3B35B-A3B-79% ○71.4% ○---
Laguna XS 2.133B-A3B-70.9% ○63.1% ○37.5% ○--
Qwen2.5-Coder 32B Instruct32B-9% ●--16.4% ●-
Gemma 4 31B31B-52% ◇-42.9% ◇-80% ○
GLM-4.7-Flash30B-A3B-59.2% ○---64% ○
Qwen3-Coder 30B-A3B30B-A3B-51.6% ●----
Nemotron 3 Nano 30B-A3B30B-A3.5B-38.8% ○---68.3% ○
Muse Glimmer 30B30B-76% ○----
Nemotron 3.5 Lightning 30B-A3B30B-A3B-51.56% ○39.33% ○---
Granite 4.2 30B30B-57% ○41.89% ○--75.77% ○
Gemma 3 27B27B----4.9% ●29.1% ○
Qwen3.6 27B27B-77.2% ○-59.3% ○-83.9% ○
Qwen3.5 27B27B-75% ○-41.6% ○-80.7% ○
Qwen3.8 27B27B-----90.3% ○
Ternary Bonsai 2 27B27B-----90.07% ○
Gemma 4 26B-A4B25.2B-A3.8B-17.4% ◇-34.2% ◇-77.1% ○
Devstral Small 2 (2512)24B-56.4% ●-22.5% ○--
gpt-oss-20b21B-A3.6B-60.7% ○-3.1% ●--
Phi-4-reasoning14B-----53.8% ○
Gemma 4 12B12B-----72% ○
Qwen3.5 9B9B-53.2% ○-9.2% ●-65.6% ○
Ornith 1.5 9B9B-70.6% ○54.4% ○---
Gemma 4 E4B8B (4.5B effective)-----52% ○
Spark X2.5 4B4B-41.6% ○53.3% ○---
Spark X2.6 4B4B-62.8% ○64.7% ○---
LFM3 1.7B1.7B-43.4% ○23% ○--73.46% ○