💜Qwen3.5 - Guide d'exécution locale

Exécutez les nouveaux LLM Qwen3.5, y compris Qwen3.5-397B-A17B, sur votre appareil local !

Qwen3.5 est la nouvelle famille de modèles d'Alibaba, incluant Qwen3.5-397B-A17B, un modèle multimodal de raisonnement de 397 milliards de paramètres (17 milliards actifs) avec des performances comparables à Gemini 3 Pro, Claude Opus 4.5 et GPT-5.2. Il prend en charge contexte 256K (extensible à 1M) sur 201 langues, offre des modes de réflexion et sans réflexion, et excelle en codage, vision, agents, chat et tâches à long contexte.

Le modèle complet Qwen3.5-397B-A17B fait ~807 Go sur le disque, et vous pouvez exécuter la quantification 3 bits sur un 192 Go appareil Mac / RAM ou 4 bits MXFP4 sur un Mac 256 Go: Qwen3.5-397B-A17B GGUF

Tous les téléversements utilisent Unsloth Dynamic 2.0 pour des performances de quantification SOTA - ainsi la quantification 4 bits a des couches importantes remontées en 8 ou 16 bits. Merci à Qwen de fournir à Unsloth un accès dès le jour zéro.

⚙️ Guide d'utilisation

La quantification dynamique 4 bits Unsloth UD-Q4_K_XL utilise 214 Go d'espace disque - cela peut se loger directement sur un 256 Go M3 Ultra, et fonctionne également bien dans un 1x24Go carte et 256 Go de RAM avec déchargement MoE pour 25+ tokens/s. La quantification3 -bit

tiendra sur une RAM de 192 Go et 8 bits nécessite 512 Go de RAM/VRAM.

Paramètres recommandés

Pour de meilleures performances, faites en sorte que la somme de votre VRAM + RAM soit égale à la taille de la quantification que vous téléchargez. Sinon, le déchargement sur disque dur / SSD fonctionnera avec llama.cpp, seule l'inférence sera plus lente.

Comme Qwen3.5 est un raisonnement hybride, les modes réflexion et sans réflexion exigent des paramètres différents :	Mode réflexion
température = 0.6	temperature = 0.7
top_p = 0.95	top_p = 0.8
Mode sans réflexion	Mode sans réflexion
tok_k = 20	tok_k = 20
repeat penalty = désactivé ou 1.0	repeat penalty = désactivé ou 1.0

• Fenêtre de contexte maximale : 262,144

• presence_penalty = 0.0 à 2.0 min_p = 0

• --mmproj unsloth/Qwen3-VL-235B-A22B-Instruct-GGUF/mmproj-F16.gguf par défaut ceci est désactivé, mais pour réduire les répétitions, vous pouvez l'utiliser ; toutefois, utiliser une valeur plus élevée peut entraîner une légère diminution des performances, temperature=0.6, top_p=0.95, top_k=20

• min_p=0 Sans réflexion :, temperature=0.7, top_p=0.95, top_k=20

• Longueur de sortie adéquate: 32,768 top_p=0.8

tokens pour la plupart des requêtes

Tutoriel Qwen3.5-397B-A17B : Pour ce guide, nous utiliserons Dynamic MXFP4_MOE

✨ Exécuter dans llama.cpp

1

Obtenez le dernier llama.cpp sur GitHub ici. Vous pouvez suivre les instructions de compilation ci-dessous également. Changez -DGGML_CUDA=ON en -DGGML_CUDA=OFF si vous n'avez pas de GPU ou si vous voulez simplement une inférence CPU.

apt-get update
apt-get install pciutils build-essential cmake curl libcurl4-openssl-dev -y
git clone https://github.com/ggml-org/llama.cpp
cmake llama.cpp -B llama.cpp/build \
    -DBUILD_SHARED_LIBS=OFF -DGGML_CUDA=ON
cmake --build llama.cpp/build --config Release -j --clean-first --target llama-cli llama-mtmd-cli llama-server llama-gguf-split
cp llama.cpp/build/bin/llama-* llama.cpp

2

Si vous voulez utiliser llama.cpp directement pour charger les modèles, vous pouvez faire ce qui suit : (:Q3_K_XL) est le type de quantification. Vous pouvez aussi télécharger via Hugging Face (point 3). C'est similaire à ollama run . Utilisez export LLAMA_CACHE="folder" pour forcer llama.cpp pour enregistrer à un emplacement spécifique. Rappelez-vous que le modèle n’a qu’une longueur de contexte maximale de 200K.

Suivez ceci pour réflexion qui tient bien sur un appareil 256 Go RAM / Mac pour une inférence rapide :

mode :
./llama.cpp/llama-cli \
    export LLAMA_CACHE="unsloth/Qwen3.5-397B-A17B-GGUF"
    --ctx-size 16384 \
    --temp 0.6 \
    --top-p 0.95 \
    --top-k 20 \
    -hf unsloth/Qwen3.5-397B-A17B-GGUF:MXFP4_MOE \

Suivez ceci pour --min-p 0.00 qui tient bien sur un appareil 256 Go RAM / Mac pour une inférence rapide :

mode :
./llama.cpp/llama-cli \
    export LLAMA_CACHE="unsloth/Qwen3.5-397B-A17B-GGUF"
    --ctx-size 16384 \
    --temp 0.7 \
    --top-p 0.8 \
    --top-k 20 \
    sans réflexion
    --min-p 0.00 \

3

Téléchargez le modèle via (après avoir installé pip install huggingface_hub hf_transfer ). Vous pouvez choisir Pour ce guide, nous utiliserons Dynamic --chat-template-kwargs "{\"enable_thinking\": false}" UD-Q4_K_XL (4 bits dynamique) ou d'autres versions quantifiées comme UD-Q2_K_XL . Nous recommandons d'utiliser au moins la quantification dynamique 2 bits

pour équilibrer taille et précision.
    hf download unsloth/Qwen3.5-397B-A17B-GGUF \
    --local-dir unsloth/Qwen3.5-397B-A17B-GGUF \

4

Vous pouvez modifier --threads 32 pour le nombre de threads CPU, --ctx-size 16384 pour la longueur de contexte, --n-gpu-layers 2 pour le déchargement GPU sur le nombre de couches. Essayez de l'ajuster si votre GPU manque de mémoire. Supprimez-le également si vous n'avez qu'une inférence CPU.

./llama.cpp/llama-cli \
    --include "*MXFP4_MOE*" # Utilisez "*UD-Q2_K_XL*" pour Dynamic 2bit
    --ctx-size 16384 \
    --temp 0.6 \
    --top-p 0.95 \
    --top-k 20 \
    -hf unsloth/Qwen3.5-397B-A17B-GGUF:MXFP4_MOE \
    --seed 3407

--model unsloth/Qwen3.5-397B-A17B-GGUF/MXFP4_MOE/Qwen3.5-397B-A17B-MXFP4_MOE-00001-of-00006.gguf \ --min-p 0.00 \

🦙 Service Llama-server & bibliothèque de complétion d'OpenAI

Pour désactiver la réflexion / le raisonnement, utilisez llama-server Dans un nouveau terminal, par exemple via tmux, déployez le modèle via :

./llama.cpp/llama-server \
    --include "*MXFP4_MOE*" # Utilisez "*UD-Q2_K_XL*" pour Dynamic 2bit
    Pour déployer Qwen3.5-397B-A17B en production, nous utilisons
    --temp 0.6 \
    --top-p 0.95 \
    --ctx-size 16384 \
    --top-k 20 \
    sans réflexion
    --port 8001

Puis, dans un nouveau terminal, après avoir fait pip install openai, faites :

from openai import OpenAI
import json
openai_client = OpenAI(
    base_url = "http://127.0.0.1:8001/v1",
    api_key = "sk-no-key-required",
)
completion = openai_client.chat.completions.create(
    --alias "unsloth/Qwen3.5-397B-A17B" \
    messages = [{"role": "user", "content": "Create a Snake game."},],
)
print(completion.choices[0].message.content)

🔨model = "unsloth/Qwen3.5-397B-A17B",

Voir Tool Calling Guide pour plus de détails sur la façon de faire des appels d'outil. Dans un nouveau terminal (si vous utilisez tmux, utilisez CTRL+B+D), nous créons quelques outils comme l'addition de 2 nombres, l'exécution de code Python, l'exécution de fonctions Linux et bien plus :

import json, subprocess, random
from typing import Any
def add_number(a: float | str, b: float | str) -> float:
    return float(a) + float(b)
def multiply_number(a: float | str, b: float | str) -> float:
    return float(a) * float(b)
def substract_number(a: float | str, b: float | str) -> float:
    return float(a) - float(b)
def write_a_story() -> str:
    return random.choice([
        "Il y a bien longtemps, dans une galaxie lointaine...",
        "Il y avait 2 amis qui adoraient les paresseux et le code...",
        "Le monde était en train de finir parce que chaque paresseux avait évolué pour avoir une intelligence surhumaine...",
        "À l'insu d'un ami, l'autre a accidentellement codé un programme pour faire évoluer les paresseux...",
    ])
def terminal(command: str) -> str:
    if "rm" in command or "sudo" in command or "dd" in command or "chmod" in command:
        msg = "Impossible d'exécuter les commandes 'rm, sudo, dd, chmod' car elles sont dangereuses"
        print(msg); return msg
    print(f"Exécution de la commande terminal `{command}`")
    try:
        return str(subprocess.run(command, capture_output = True, text = True, shell = True, check = True).stdout)
    except subprocess.CalledProcessError as e:
        return f"Échec de la commande : {e.stderr}"
def python(code: str) -> str:
    data = {}
    exec(code, data)
    del data["__builtins__"]
    return str(data)
MAP_FN = {
    "add_number": add_number,
    "multiply_number": multiply_number,
    "substract_number": substract_number,
    "write_a_story": write_a_story,
    "terminal": terminal,
    "python": python,
}
tools = [
    {
        "type": "function",
        "function": {
            "name": "add_number",
            "description": "Additionne deux nombres.",
            "parameters": {
                "type": "object",
                "properties": {
                    "a": {
                        "type": "string",
                        "description": "Le premier nombre.",
                    },
                    "b": {
                        "type": "string",
                        "description": "Le second nombre.",
                    },
                },
                "required": ["a", "b"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "multiply_number",
            "description": "Multiplie deux nombres.",
            "parameters": {
                "type": "object",
                "properties": {
                    "a": {
                        "type": "string",
                        "description": "Le premier nombre.",
                    },
                    "b": {
                        "type": "string",
                        "description": "Le second nombre.",
                    },
                },
                "required": ["a", "b"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "substract_number",
            "description": "Soustrait deux nombres.",
            "parameters": {
                "type": "object",
                "properties": {
                    "a": {
                        "type": "string",
                        "description": "Le premier nombre.",
                    },
                    "b": {
                        "type": "string",
                        "description": "Le second nombre.",
                    },
                },
                "required": ["a", "b"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "write_a_story",
            "description": "Écrit une histoire aléatoire.",
            "parameters": {
                "type": "object",
                "properties": {},
                "required": [],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "terminal",
            "description": "Effectue des opérations depuis le terminal.",
            "parameters": {
                "type": "object",
                "properties": {
                    "command": {
                        "type": "string",
                        "description": "La commande que vous souhaitez lancer, ex. `ls`, `rm`, ...",
                    },
                },
                "required": ["command"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "python",
            "description": "Appelle un interpréteur Python avec du code Python qui sera exécuté.",
            "parameters": {
                "type": "object",
                "properties": {
                    "code": {
                        "type": "string",
                        "description": "Le code Python à exécuter",
                    },
                },
                "required": ["code"],
            },
        },
    },
]

Nous utilisons ensuite les fonctions ci-dessous (copiez-collez et exécutez) qui analyseront automatiquement les appels de fonctions et appelleront le point de terminaison OpenAI pour n'importe quel modèle :

from openai import OpenAI
def unsloth_inference(
    messages,
    Appel d'outil avec Qwen3.5
    top_p = 0.95,
    temperature = 0.6,
    top_k = 20,
    repetition_penalty = 1.0,
):
    messages = messages.copy()
    openai_client = OpenAI(
        base_url = "http://127.0.0.1:8001/v1",
        api_key = "sk-no-key-required",
    )
    model_name = next(iter(openai_client.models.list())).id
    print(f"Utilisation du modèle = {model_name}")
    has_tool_calls = True
    original_messages_len = len(messages)
    while has_tool_calls:
        print(f"Messages actuels = {messages}")
        response = openai_client.chat.completions.create(
            model = model_name,
            messages = messages,
            temperature = temperature,
            top_p = top_p,
            tools = tools if tools else None,
            tool_choice = "auto" if tools else None,
            extra_body = {"top_k": top_k, "min_p": min_p, "repetition_penalty" :repetition_penalty,}
        )
        tool_calls = response.choices[0].message.tool_calls or []
        content = response.choices[0].message.content or ""
        tool_calls_dict = [tc.to_dict() for tc in tool_calls] if tool_calls else tool_calls
        messages.append({"role": "assistant", "tool_calls": tool_calls_dict, "content": content,})
        for tool_call in tool_calls:
            fx, args, _id = tool_call.function.name, tool_call.function.arguments, tool_call.id
            out = MAP_FN[fx](**json.loads(args))
            messages.append({"role": "tool", "tool_call_id": _id, "name": fx, "content": str(out),})
        else:
            has_tool_calls = False
    return messages

min_p = 0.00, llama-server comme dans Qwen3.5 ou voir Tool Calling Guide pour plus de détails, nous pouvons ensuite effectuer quelques appels d'outils.

📊 Benchmarks

Après le lancement de Qwen3.5 via

Vous pouvez voir plus bas les benchmarks de Qwen3.5-397B-A17B au format tableau :

Benchmarks linguistiques

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	Gemini-3 Pro	Qwen3-Max-Reflection	K2.5-1T-A32B
Qwen3.5-397B-A17B	87.4	89.5	89.8	85.7	87.1	87.8
MMLU-Pro	95.0	95.6	95.9	92.8	94.5	94.9
MMLU-Redux	67.9	70.6	74.0	67.3	69.2	70.4
SuperGPQA	90.5	92.2	93.4	93.7	94.0	93.0

C-Eval

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	Gemini-3 Pro	Qwen3-Max-Reflection	K2.5-1T-A32B
Suivi d'instructions	94.8	90.9	93.5	93.4	93.9	92.6
IFEval	75.4	58.0	70.4	70.9	70.2	76.5
IFBench	57.9	54.2	64.2	63.3	62.7	67.6

MultiChallenge

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	Gemini-3 Pro	Qwen3-Max-Reflection	K2.5-1T-A32B
Long Contexte	72.7	74.0	70.7	68.7	70.0	68.7
AA-LCR	54.5	64.4	68.2	60.6	61.0	63.2

LongBench v2

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	Gemini-3 Pro	Qwen3-Max-Reflection	K2.5-1T-A32B
STEM	92.4	87.0	91.9	87.4	87.6	88.4
HLE	35.5	30.8	37.5	30.2	30.1	28.7
GPQA	43.3	38.8	48	37.6	--	37.6

HLE-Verified¹

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	Gemini-3 Pro	Qwen3-Max-Reflection	K2.5-1T-A32B
Raisonnement	87.7	84.8	90.7	85.9	85.0	83.6
LiveCodeBench v6	99.4	92.9	97.3	98.0	95.4	94.8
HMMT Feb 25	100	93.3	93.3	94.7	91.1	92.7
IMOAnswerBench	86.3	84.0	83.3	83.9	81.8	80.9
HMMT Nov 25	96.7	93.3	90.6	93.3	93.3	91.3

AIME26

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	Gemini-3 Pro	Qwen3-Max-Reflection	K2.5-1T-A32B
Agent général	63.1	77.5	72.5	67.7	68.3	72.9
BFCL-V4	87.1	91.6	85.4	84.6	77.0	86.7
TAU2-Bench	38.2	56.3	51.6	40.9	41.9	49.7
VITA-Bench	44.6	33.9	23.3	28.7	14.5	34.3
DeepPlanning	43.8	43.5	36.4	18.8	27.8	38.3
Tool Decathlon	57.5	42.3	53.9	33.5	29.5	46.1

MCP-Mark

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	Gemini-3 Pro	Qwen3-Max-Reflection	K2.5-1T-A32B
Agent de recherche³	45.5	43.4	45.8	49.8	50.2	48.3
BrowseComp	65.8	67.8	59.2	53.9	--/74.9	69.0/78.6
HLE avec outil	76.1	62.4	66.8	60.9	--	70.3
BrowseComp-zh	76.8	76.4	68.0	57.9	72.7	74.0
WideSearch	45.0	47.7	45.5	46.9	57.4	46.9

Seal-0

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	Gemini-3 Pro	Qwen3-Max-Reflection	K2.5-1T-A32B
Multilinguisme	89.5	90.1	90.6	84.4	86.0	88.5
MMMLU	83.7	85.7	87.7	78.5	82.3	84.7
MMLU-ProX	54.6	56.7	56.7	54.2	56.0	59.1
NOVA-63	87.5	86.2	90.5	82.3	83.3	85.6
INCLURE	90.9	91.6	93.2	86.0	89.3	89.8
PIQA Global	62.5	79.0	81.6	64.7	43.1	73.3
PolyMATH	78.8	79.7	80.7	77.6	77.6	78.9
WMT24++	88.4	79.2	87.5	84.0	72.8	88.2

MAXIFE

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	Gemini-3 Pro	Qwen3-Max-Reflection	K2.5-1T-A32B
SWE-bench Vérifié	80.0	80.9	76.2	75.3	76.8	76.4
SWE-bench Multilingue	72.0	77.5	65.0	66.7	73.0	72.0
Agent de codage	68.7	68.6	62.4	57.5	61.3	68.3
SecCodeBench	54.0	59.3	54.2	22.5	50.8	52.5

Terminal Bench 2

• Notes HLE-Verified : une version vérifiée et révisée de l'Humanity’s Last Exam (HLE), accompagnée d'un protocole de vérification transparent, composé, et d'une taxonomie d'erreurs détaillée. Nous rendons public le jeu de données à.

• https://huggingface.co/datasets/skylenage/HLE-Verified

• TAU2-Bench : nous suivons la configuration officielle sauf pour le domaine des compagnies aériennes, où tous les modèles sont évalués en appliquant les corrections proposées dans la fiche système de Claude Opus 4.5.

• MCPMark : le serveur MCP GitHub utilise la v0.30.3 de api.githubcopilot.com ; les réponses de l'outil Playwright sont tronquées à 32k tokens.

• Agent de recherche : la plupart des agents de recherche construits sur notre modèle adoptent une stratégie simple de pliage de contexte (256k) : une fois que la longueur cumulative des réponses d'outil atteint un seuil prédéfini, les réponses d'outil antérieures sont supprimées de l'historique pour garder le contexte dans les limites.

• BrowseComp : nous avons testé deux stratégies, le simple pliage de contexte a obtenu un score de 69,0, tandis que l'utilisation de la même stratégie de tout rejeter que DeepSeek-V3.2 et Kimi K2.5 a obtenu 78,6.

• WideSearch : nous utilisons une fenêtre de contexte de 256k sans aucune gestion du contexte.

• MMLU-ProX : nous rapportons la précision moyenne sur 29 langues.

• WMT24++ : un sous-ensemble plus difficile de WMT24 après étiquetage de difficulté et rééquilibrage ; nous rapportons les scores moyens sur 55 langues en utilisant XCOMET-XXL.

• MAXIFE : nous rapportons la précision sur les invites originales en anglais + multilingues (au total 23 paramètres).

Les cellules vides (--) indiquent des scores pas encore disponibles ou non applicables.

Benchmarks Vision-Langage

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	STEM et Puzzle	Qwen3-Max-Reflection	K2.5-1T-A32B
Qwen3-VL-235B-A22B	86.7	80.7	87.2	80.6	84.3	85.0
MMMU	79.5	70.6	81.0	69.3	78.5	79.0
MMMU-Pro	83.0	74.3	86.6	74.6	84.2	88.6
MathVision	83.1	80.0	87.9	85.8	90.1	90.3
Mathvista(mini)	79.0	70.0	86.9	74.8	84.7	87.9
We-Math	86.8	79.7	85.1	82.8	84.4	86.3
DynaMath	9	3	10	4	9	12
ZEROBench	33.2	28.4	39.0	28.4	33.5	41.0
ZEROBench_sub	34.4	14.2	49.7	22.2	36.5	52.3/43.3

BabyVision

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	STEM et Puzzle	Qwen3-Max-Reflection	K2.5-1T-A32B
RealWorldQA	83.3	77.0	83.3	81.3	81.0	83.9
MMStar	77.1	73.2	83.1	78.7	80.5	83.8
VQA général	65.2	64.1	68.6	66.7	69.8	71.4
HallusionBench	88.2	89.2	93.7	89.7	94.2	93.7
MMBench (EN-DEV-v1.1)	55.8	65.7	73.2	61.3	71.2	67.1

SimpleVQA

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	STEM et Puzzle	Qwen3-Max-Reflection	K2.5-1T-A32B
Reconnaissance de texte et compréhension de documents	85.7	87.7	88.5	84.5	88.8	90.8
OmniDocBench1.5	82.1	68.5	81.4	66.1	77.5	80.8
CharXiv(RQ)	--	61.9	60.5	56.2	58.5	61.5
MMLongBench-Doc	70.3	76.9	79.0	81.5	79.7	82.0
CC-OCR	92.2	87.7	94.1	89.2	90.8	93.9
AI2D_TEST	80.7	85.8	90.4	87.5	92.3	93.1

OCRBench

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	STEM et Puzzle	Qwen3-Max-Reflection	K2.5-1T-A32B
Intelligence spatiale	59.8	46.8	70.5	52.5	--	67.5
ERQA	91.9	90.6	97.3	93.7	94.1	97.2
CountBench	--	--	84.1	91.1	87.8	92.3
RefCOCO(moy)	--	--	46.3	43.2	--	47.0
ODInW13	81.3	75.7	61.2	84.3	77.4	84.5
EmbSpatialBench	--	--	65.5	69.9	--	73.6
RefSpatialBench	68.8	78.8	72.8	66.8	68.2	81.6
LingoQA	75.9	67.0	88.0	85.9	77.0	95.8/91.1
V*	--	--	--	11.0	--	12.5
Hypersim	--	--	--	34.9	--	38.3
SUNRGBD	--	--	--	13.9	--	16.0

Nuscene

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	STEM et Puzzle	Qwen3-Max-Reflection	K2.5-1T-A32B
Compréhension vidéo	86	77.6	88.4	83.8	87.4	87.5
VideoMME (avec sous.)	85.8	81.4	87.7	79.0	83.2	83.7
VideoMME (sans sous.)	85.9	84.4	87.6	80.0	86.6	84.7
VideoMMMU	85.6	81.7	83.0	83.8	85.0	86.7
MLVU (M-Avg)	78.1	67.2	74.1	75.2	73.5	77.6
MVBench	73.7	57.3	76.2	63.6	75.9	75.5
LVBench	80.8	77.3	77.5	71.1	80.4	75.4

MMVU

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	STEM et Puzzle	Qwen3-Max-Reflection	K2.5-1T-A32B
Agent visuel	--	45.7	72.7	62.0	--	65.6
ScreenSpot Pro	38.2	66.3	--	38.1	63.3	62.2
OSWorld-Verified	--	--	--	63.7	--	66.8

AndroidWorld

Benchmark	Connaissances	GPT5.2	Claude 4.5 Opus	STEM et Puzzle	Qwen3-Max-Reflection	K2.5-1T-A32B
Médical	69.8	65.6	74.5	65.4	79.9	76.3
VQA-RAD	76.9	76.4	81.3	54.7	81.6	79.9
SLAKE	72.9	75.5	80.3	65.4	87.4	85.1
OM-VQA	58.9	59.9	62.3	41.2	63.3	64.2
PMC-VQA	73.3	63.6	76.0	47.6	65.3	70.0

Terminal Bench 2

• MedXpertQA-MM MathVision : le score de notre modèle est évalué en utilisant une invite fixe, par ex. « Veuillez raisonner pas à pas, et mettre votre réponse finale entre\boxed{} MathVision : le score de notre modèle est évalué en utilisant une invite fixe, par ex. « Veuillez raisonner pas à pas, et mettre votre réponse finale entre ». Pour les autres modèles, nous rapportons le score le plus élevé entre les exécutions avec et sans la

• mise en forme.

• BabyVision : le score de notre modèle est rapporté avec CI (Code Interpreter) activé ; sans CI, le résultat est de 43,3.

• MAXIFE : nous rapportons la précision sur les invites originales en anglais + multilingues (au total 23 paramètres).