发现3B的小模型还是不行，稍微难一点的任务就麻爪了。
https://www.datalearner.com/ai-models/leaderboard/datalearner-llm-leaderboard?modelSize=7b

另外发现这个上面的排行也不是很靠谱，我实际测试下来llama3.1 8b明显比QWen2:7b靠谱，llama.cpp因为不支持phi3-small，所以没测试phi-3，虽然看上去这个评分在7b的模型中是最高的，不知道效果怎么样。
测试下来gemma2:9b > llama3.1 8b > qwen2:7b ，不过gemma2的内存占用有点大了，快6个G了。

追记：在某些任务上llama3.1要好于gemma2