Google · pașaport de model
Gemini 1 5 Pro 001
gemini-1-5-pro-001- Doar în cloud
- Licență Proprietary
- Lansat 2024-04-09(curatoriat)
- General · LMArena
- 1,324#234 din 396
- Cea mai bună percentilă
- 41.2General
- Poziția în cohortă
- 36.9mediană 32.8
Ce spun datele
Evaluat pe 8 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Neuniform: 21,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 41.2 pct pe General față de 20 pct pe AIME (matematică).
- General41.2 pct1,324Verifică →
- Urmarea instrucțiunilor41.2 pct1,312Verifică →
- Prompturi dificile39.9 pct1,327Verifică →
- Programare35 pct1,346Verifică →
- LiveBench27.8 pct40.3%Verifică →
- GPQA Diamond27.1 pct45.9%Verifică →
- Vision Arena23.3 pct1,120Verifică →
- AIME (matematică)20 pct6.8%Verifică →
- WebDev ArenaNeevaluat
- Factuality ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- 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.
gemini-1.5-pro-001 stands at 36.9 (raw mean 31.9) — measured on 8 of 27 axes.
gemini-1.5-pro-001 stands at 36.9 versus a cohort median of 32.8 across 117 models released within 180 days — above the peer median.
On OTIS Mock AIME, gemini-1.5-pro-001 raised the running best score by 2.1 percentage points to 6.8% on 2024-04-09.
gemini-1.5-pro-001 ranks between #225 and #930 across 5 built-in weightings — best under "Conversație pe primul loc", worst under "Toate sursele".
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 →