Sari la conținut
aiqbench

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

Google · pașaport de model

Gemini 2 0 Flash Lite Preview 02.05

gemini-2-0-flash-lite-preview-02-05
  • Doar în cloud
  • Licență Proprietary
  • Lansat 2026-10-09(văzut prima dată pe LMArena)
6/27axe acoperite
General · LMArena
1,354#197 din 396
Cea mai bună percentilă
50.5General
Poziția în cohortă
44.9mediană 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: 23,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 50.5 pct pe General față de 27.3 pct pe Vision Arena.

  • General50.5 pct1,354Verifică →
  • LiveBench49.1 pct53.2%Verifică →
  • Urmarea instrucțiunilor48 pct1,331Verifică →
  • Prompturi dificile44.9 pct1,349Verifică →
  • Programare33.8 pct1,342Verifică →
  • Vision Arena27.3 pct1,136Verifică →
  • WebDev 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
  • 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-2.0-flash-lite-preview-02-05 stands at 44.9 (raw mean 42.3) — measured on 6 of 27 axes.

    pozițieșablonVerifică →

  • gemini-2.0-flash-lite-preview-02-05 stands at 44.9 versus a cohort median of 60.6 across 172 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 →