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

Pașaport de model

Athene V2 Chat

athene-v2-chat

Ponderi deschise
Licență NexusFlow
Lansat 2024-11-13(curatoriat)

General · LMArena: 1,314#250 din 396
Cea mai bună percentilă: 42.2Prompturi dificile
Poziția în cohortă: 44.4mediană 40.6

Ce spun datele

Evaluat pe 4 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 5,1 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 42.2 pct pe Prompturi dificile față de 37.1 pct pe General.

Prompturi dificile42.2 pct1,333Verifică →
Programare41.9 pct1,368Verifică →
Urmarea instrucțiunilor39.6 pct1,302Verifică →
General37.1 pct1,314Verifică →
WebDev ArenaNeevaluat
Vision ArenaNeevaluat
Factuality 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.

athene-v2-chat stands at 44.4 (raw mean 40.2) — measured on 4 of 27 axes.
pozițieșablonVerifică →
athene-v2-chat stands at 44.4 versus a cohort median of 40.6 across 136 models released within 180 days — above 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 →