Sari la conținut
aiqbench

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Amazon · pașaport de model

Amazon Nova Experimental Chat 26 01 10

amazon-nova-experimental-chat-26-01-10
  • Doar în cloud
  • Licență Proprietary
  • Lansat 2026-10-15(văzut prima dată pe LMArena)
5/27axe acoperite
General · LMArena
1,413#134 din 396
Cea mai bună percentilă
75.2Programare
Poziția în cohortă
55.8mediană 60.8

Ce spun datele

Evaluat pe 5 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 57,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 75.2 pct pe Programare față de 18 pct pe Factuality Arena.

  • Programare75.2 pct1,481Verifică →
  • Prompturi dificile71.2 pct1,443Verifică →
  • General66.4 pct1,413Verifică →
  • Urmarea instrucțiunilor65.9 pct1,397Verifică →
  • Factuality Arena18 pct1,402Verifică →
  • WebDev ArenaNeevaluat
  • Vision ArenaNeevaluat
  • Search ArenaNeevaluat
  • Document ArenaNeevaluat
  • Agent ArenaNeevaluat
  • GPQA DiamondNeevaluat
  • AIME (matematică)Neevaluat
  • FrontierMathNeevaluat
  • SimpleQA VerifiedNeevaluat
  • ARC-AGI-2Neevaluat
  • Humanity's Last ExamNeevaluat
  • SimpleBenchNeevaluat
  • LiveBenchNeevaluat
  • BFCL v4 (apelare de funcții)Neevaluat
  • SWE-bench Verified (clasament live)Neevaluat
  • Terminal-Bench 4.0Neevaluat
  • MMLU-Pro (Artificial Analysis)Neevaluat
  • LiveCodeBench (Artificial Analysis)Neevaluat
  • IFBench (Artificial Analysis)Neevaluat
  • Halucinații HHEM (Vectara)Neevaluat
  • SWE-bench VerifiedNeevaluat
  • Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

  • amazon-nova-experimental-chat-26-01-10 stands at 55.8 (raw mean 59.4) — measured on 5 of 27 axes.

    pozițieșablonVerifică →

  • amazon-nova-experimental-chat-26-01-10 stands at 55.8 versus a cohort median of 60.8 across 168 models released within 180 days — below the peer median.

    cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →