← Fișele benchmarkurilor
Benchmarkuri măsurate
AIME (matematică)
Publicat de Epoch AI. Pagina sursei ↗ · Datele pe care le citim (descărcare fișier) ↗
OTIS mock AIME problems; Epoch runs the eval.
Fapte
| Fapt | Valoare | De unde provine |
|---|---|---|
| Cine rulează evaluarea | o organizație independentă | curatoriat de aiqbench, verificat la 2026-10-09 |
| Expunerea setului de test | public | curatoriat de aiqbench, verificat la 2026-10-09 |
| Licența datelor | CC-BY-4.0 | înregistrarea de atribuire a clasamentului |
| Cel mai nou rezultat publicat | acum 3 zile | rândurile ingerate |
| Ultima preluare de către aiqbench | acum 49 de minute · la fiecare 12 h | jurnalul de sincronizare |
| Modele pe această axă | 304 | rândurile ingerate |
| Rânduri cu interval publicat | 95,7% din rânduri | rândurile ingerate |
| Spațiu rămas în vârf | Cel mai bun 100.0%, cu 0.0% sub plafon; primele 10 în interval de 0.0%. | calculat din rândurile ingerate |
| Axe pe care le urmează îndeaproape |
| ρ Spearman pe modelele comune (vezi Grupuri) |
Ultimele salturi ale frontierei
- 13 sept. 2026 · gpt-5.6-sol · 100.0%
- 13 sept. 2026 · muse-spark-1.3 · 99.2%
- 13 aug. 2026 · deepseek-v4-pro-0813 · 98.6%
Unde apare
Ponderată în șabloanele predefinite: Toate sursele ×1, Raționament ×2.
Vezi această axă singură în consolă →Atribuire
Source: Epoch AI, 'AI Benchmarking Hub'. Published online at epoch.ai. Retrieved from https://epoch.ai/benchmarks. Licensed under CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Modified by aiqbench: normalised into aiqbench's common board format; we ingest the 'otis_mock_aime_2024_2025.csv' table and rescale its 0-1 scores to percent. Evaluation run by Epoch AI.