北京时间8月20日，在上海明日之星冠军杯半决赛中，中国U17女足与阿森纳U17女足战至下半场第50分钟时，因雷电天气原因比赛中止，中止时比分为2-2。双方沟通过后决定通过抽签方式决定晋级队伍，最终阿森纳方胜出，晋级决赛。其中 Artificial Analysis 负责智能水平测试系统，Liquid AI 负责推理性能测试系统，双方选用 5 项基准测试：BFCL（Berkeley 函数调用排行榜）IFBench（指令遵循测试）AA-Omniscience（知识与认知相关测试）GPQA Diamond（高难度问答测试）MATH-500（数学问题测试）。测试模型对象为 4 bit 量化后体积不超过 8GB 的模型，示例包括 Gemma 4 E2B 和 LFM2-2.6B-Exp。记者雷杰深、蒋娴同步消息如下：“由于中国U17女足vs阿森纳U17女足的半决赛遭遇雷雨天气，比赛先后经历两次30分钟暂停，因现场再次出现闪电，比赛被迫中止。当上下文长度限制为 16K tokens 后，平均基准测试得分最高的是 Nanbeige4.2-3B 和 LFM2.5-2.6B。

二 | ”“受后续赛程排序紧凑、球队行程等因素限制，经组委会与双方球队协商，不再进行补赛，依据赛事规程，通过抽签方式确定晋级队伍。当响应时间限制为最长 1 分钟时，LFM2.5-8B-A1B 排名第 1，随后是 LFM2-2.6B-Exp、Gemma 4 E4B（Non-reasoning）和 Granite 4.1 8B。Nanbeige4.2-3B 是 BOSS 直聘旗下的南北阁实验室推出，仅含 30 亿非嵌入参数（总参数约 40 亿），采用 Looped Transformer 架构，通过在不增加参数量的前提下复用 Transformer 层（循环两遍），提高模型的有效计算深度和容量。横轴表示“输出 256 个 token 所需的时间（秒）”，纵轴表示“上下文长度限制为 16K 个 token 时的平均基准测试得分”。“Nanbeige4.2-3B”的基准测试得分与“LFM2.5-2.6B”相当。最终，阿森纳U17女足抽签胜出，获得决赛晋级资格。”“中国队将在8月22日16:00的三四名决赛中对阵皇家马德里U17女足。在上下文长度限制为 16K 个 Token 时，平均基准测试得分中得分最高的是 Nanbeige4.2-3B 和 LFM2.5-2.6B。

三 | 当响应时间限制为最长 1 分钟时，LFM2.5-8B-A1B 排名第 1，随后是 LFM2-2.6B-Exp、Gemma 4 E4B（Non-reasoning）和 Granite 4.1 8B。

四 | ”此前，中国U17女足在小组赛3战全胜，先后击败皇马、拜仁和曼城的U17女足。附上相关截图如下：。3场比赛打进14球0丢球。遗憾的是，半决赛面对B组第2名阿森纳U17女足的比赛，不幸遭遇雷电天气。