DeepSeek · pașaport de model
DeepSeek-V3.2-Speciale
deepseek-v3-2-speciale- Cea mai bună percentilă
- 99.2LiveCodeBench (Artificial Analysis)
- Poziția după scorul compus
- 67.8contractat · 5/27 axe
Ce spun datele
Evaluat pe 5 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai puternice axe
- 99.2 pct — LiveCodeBench (Artificial Analysis) (89.6%)
- 95.5 pct — MMLU-Pro (Artificial Analysis) (86.3%)
Neuniform: 45,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 99.2 pct pe LiveCodeBench (Artificial Analysis) față de 54 pct pe SimpleBench.
- LiveCodeBench (Artificial Analysis)99.2 pct89.6%Verifică →
- MMLU-Pro (Artificial Analysis)95.5 pct86.3%Verifică →
- IFBench (Artificial Analysis)72.8 pct63.9%Verifică →
- LiveBench70.4 pct64.1%Verifică →
- SimpleBench54 pct52.6%Verifică →
- GeneralNeevaluat
- 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
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
- ProgramareNeevaluat
- Urmarea instrucțiunilorNeevaluat
- Prompturi dificileNeevaluat
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-Speciale stands at 67.8 (raw mean 78.4) — measured on 5 of 27 axes.
DeepSeek-V3.2-Speciale scores at percentile 99.2 on LiveCodeBench (Artificial Analysis).
DeepSeek-V3.2-Speciale scores at percentile 95.5 on MMLU-Pro (Artificial Analysis).
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 →