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 5 Flash Lite Preview 06 17 Thinking

gemini-2-5-flash-lite-preview-06-17-thinking
  • Doar în cloud
  • Licență Proprietary
  • Lansat 2026-01-09(văzut prima dată pe LMArena)
5/27axe acoperite
General · LMArena
1,375#178 din 396
Cea mai bună percentilă
56.8Urmarea instrucțiunilor
Poziția în cohortă
50.3mediană 55.5

Ce spun datele

Evaluat pe 5 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 14,8 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 56.8 pct pe Urmarea instrucțiunilor față de 42 pct pe Vision Arena.

  • Urmarea instrucțiunilor56.8 pct1,369Verifică →
  • General55.3 pct1,375Verifică →
  • Prompturi dificile53.3 pct1,382Verifică →
  • Programare45.3 pct1,382Verifică →
  • Vision Arena42 pct1,188Verifică →
  • 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
  • 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.

  • gemini-2.5-flash-lite-preview-06-17-thinking stands at 50.3 (raw mean 50.5) — measured on 5 of 27 axes.

    pozițieșablonVerifică →

  • gemini-2.5-flash-lite-preview-06-17-thinking stands at 50.3 versus a cohort median of 55.5 across 116 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 →