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

DeepSeek · pașaport de model

DeepSeek V3 2 Exp Thinking

deepseek-v3-2-exp-thinking

Ponderi deschise
Licență MIT
Lansat 2026-10-15(văzut prima dată pe LMArena)

General · LMArena: 1,425#110 din 396
Cea mai bună percentilă: 73.4Programare
Poziția în cohortă: 63.5mediană 60.6

Ce spun datele

Evaluat pe 6 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 12,9 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 73.4 pct pe Programare față de 60.5 pct pe Factuality Arena.

Programare73.4 pct1,475Verifică →
Urmarea instrucțiunilor73.2 pct1,416Verifică →
Prompturi dificile73.2 pct1,446Verifică →
General72.5 pct1,425Verifică →
LiveBench68.4 pct63.1%Verifică →
Factuality Arena60.5 pct1,446Verifică →
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
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.

deepseek-v3.2-exp-thinking stands at 63.5 (raw mean 70.2) — measured on 6 of 27 axes.
pozițieșablonVerifică →
deepseek-v3.2-exp-thinking stands at 63.5 versus a cohort median of 60.6 across 169 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 →