OpenAI · pașaport de model
GPT 3 5 Turbo 0125
gpt-3-5-turbo-0125- Doar în cloud
- Licență Proprietary
- Lansat 2024-01-25(curatoriat)
- General · LMArena
- 1,226#315 din 396
- Cea mai bună percentilă
- 22.7Urmarea instrucțiunilor
- Poziția în cohortă
- 27.2mediană 29.9
Ce spun datele
Evaluat pe 7 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai slabe axe
- 7.2 pct — GPQA Diamond (27.2%)
- 9 pct — AIME (matematică) (2.2%)
Neuniform: 15,5 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 22.7 pct pe Urmarea instrucțiunilor față de 7.2 pct pe GPQA Diamond.
- Urmarea instrucțiunilor22.7 pct1,216Verifică →
- Programare22.3 pct1,275Verifică →
- General20.7 pct1,226Verifică →
- LiveBench19.9 pct34.5%Verifică →
- Prompturi dificile19.9 pct1,229Verifică →
- AIME (matematică)9 pct2.2%Verifică →
- GPQA Diamond7.2 pct27.2%Verifică →
- WebDev ArenaNeevaluat
- Vision 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.
gpt-3.5-turbo-0125 stands at 27.2 (raw mean 17.4) — measured on 7 of 27 axes.
gpt-3.5-turbo-0125 stands at 27.2 versus a cohort median of 29.9 across 89 models released within 180 days — below the peer median.
On OTIS Mock AIME, gpt-3.5-turbo-0125 raised the running best score by 1.1 percentage points to 2.2% on 2024-01-25.
gpt-3.5-turbo-0125 scores at percentile 7.2 on GPQA Diamond.
gpt-3.5-turbo-0125 scores in the 9th percentile on AIME (matematică).
gpt-3.5-turbo-0125 ranks between #307 and #1,005 across 5 built-in weightings — best under "Axat pe programare", 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 →