Qwen3-32B在C-Eval 5-shot下达87.3%，Qwen3-14B综合73.7%，其int4量化版为70.8%；Qwen3-4B-Instruct达同参SOTA；Qwen2.5-7B-Instruct覆盖52学科表现惊艳；Qwen2.5-1.5B与Qwen3-0.6B-FP8均超预期。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您查看通义千问系列模型在C-Eval中文基准测试上的实际表现，会发现不同参数规模与量化方式的模型展现出差异化的得分能力。以下是针对多个Qwen型号在C-Eval上的实测数据整理：
一、Qwen3-32B在C-Eval上的表现
该模型作为中等规模旗舰款，在C-Eval 5-shot设置下取得87.3%的综合准确率，已直逼70B级闭源模型水平，部分学科任务甚至实现反超。
二、Qwen3-14B在C-Eval上的表现
该模型在标准C-Eval测试集中展现出均衡能力，人文社科类准确率达78.2%，理工科为72.5%，金融经济领域达75.8%，医学健康领域为68.3%，综合得分为73.7%。
三、Qwen3-14B_int4_awq量化版本的表现
该4-bit AWQ量化版本在C-Eval验证集上平均准确率为70.8%，较原版下降1.5个百分点；其中STEM科目为67.1%，人文科目为74.5%，性能保持率达原模型的97%以上。
四、Qwen3-4B-Instruct在C-Eval上的表现
该40亿参数指令微调模型虽未公布具体百分比，但官方明确指出其在多项基准测试中超越闭源GPT-4.1-nano，且在C-Eval等中文评测中达到同参数级别SOTA水平。
五、Qwen2.5-7B-Instruct在C-Eval上的表现
该70亿参数模型在C-Eval中文综合考试中交出高分答卷，覆盖52个学科，总题量超1.3万道；其表现被描述为“惊艳”，尤其在逻辑推理、法律条文理解与长文本分析等任务中稳定性突出。
六、Qwen2.5-1.5B在C-Eval上的表现
该轻量模型在C-Eval上取得远超预期的成绩，实测表明其可在RTX 3090（24G显存）及RTX 4060（8G显存）等消费级硬件上稳定运行并完成高质量作答，验证了小参数模型在中文语境下的扎实能力。
七、Qwen3-0.6B-FP8在C-Eval上的表现
该6亿参数FP8量化模型在C-Eval上达到同类模型SOTA水平，STEM科目表现中等偏上，人文社科为良好，综合得分超过预期，且明显优于同参数规模其他模型。
