模型頁｜數字全部來自本站量測紀錄，由程式整理

Breeze2 3B Instruct

開發者: 聯發科創新基地
參數量: 3.9B（含視覺編碼器；本站只測文字）
本站使用的量化: Q4_K_M（本站量化）
授權: Llama 3.2 Community License（Hugging Face 模型頁 MediaTek-Research/Llama-Breeze2-3B-Instruct，2026-10-14 查核）
來源: 台灣模型
官方權重: MediaTek-Research/Llama-Breeze2-3B-Instruct

台灣模型｜以 Llama 3.2 3B 為基礎｜本站從官方權重自行轉換並量化為 Q4_K_M（llama.cpp df18bee），聊天格式已與官方 tokenizer 逐 token 比對

天梯榜名次

名次＝1＋「分數 95% 信賴區間下限高於自己上限」的模型數；差距不顯著就並列。

每個項目取題數最多的一次（完整版優先），分數 0～100。答題結果主要取決於權重、量化、推論引擎與生成條件；換機器理論上不改變答案，但浮點運算在不同硬體上可能有細微差異，本站未逐一驗證跨機器一致性。

類別	評測項目	分數	95% 信賴區間	題數	測試日期
綜合知識	MMLU-Pro	37.5	24～53	40	2026/10/14
科學推理	GPQA Diamond	23.3	12～41	30	2026/10/14
數學	MATH-500	40.0	25～58	30	2026/10/14
聽懂指令	IFEval	37.5	24～53	40	2026/10/14
繁中知識	TMMLU+	40.7	38～44	1,340	2026/10/14
繁中對話	MT-Bench 台灣版	30.9	27～34	80	2026/10/14
台灣在地	TTQA（台灣在地知識）	70.8	62～78	113	2026/10/14
	台灣法律題	21.1	16～27	209	2026/10/14
工具呼叫	BFCL 單輪（non-live）	75.0	60～86	40	2026/10/14
程式	LiveCodeBench v6	16.7	5～45	12	2026/10/14
繁中閱讀理解	DRCD（繁中閱讀理解）	75.2	71～79	500	2026/10/14

單人速度測試，每個情境量 5 次取中位數。不同機器的推論引擎、量化可能不同，跨列比較時請看條件欄。

機器	引擎／量化	短問題 tok/s｜首字秒數	一般對話（約 2K token 上下文） tok/s｜首字秒數
NVIDIA RTX A6000（工作站，測試用單卡）	ollama 0.32.13／Q4_K_M	227.0｜0.26	208.8｜0.55