OpenAI · pașaport de model
GPT 4.0613
gpt-4-0613- Doar în cloud
- Licență Proprietary
- Lansat 2023-06-13(curatoriat)
- General · LMArena
- 1,276#287 din 396
- Cea mai bună percentilă
- 33.7LiveBench
- Poziția în cohortă
- 32.0mediană 25.8
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
- 5.5 pct — AIME (matematică) (1.1%)
- 11.3 pct — GPQA Diamond (30.7%)
Neuniform: 28,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 33.7 pct pe LiveBench față de 5.5 pct pe AIME (matematică).
- LiveBench33.7 pct45.1%Verifică →
- Urmarea instrucțiunilor31.8 pct1,277Verifică →
- Prompturi dificile30.6 pct1,290Verifică →
- Programare29.4 pct1,315Verifică →
- General27.8 pct1,276Verifică →
- GPQA Diamond11.3 pct30.7%Verifică →
- AIME (matematică)5.5 pct1.1%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-4-0613 stands at 32 (raw mean 24.3) — measured on 7 of 27 axes.
gpt-4-0613 stands at 32 versus a cohort median of 25.8 across 44 models released within 180 days — above the peer median.
On OTIS Mock AIME, gpt-4-0613 raised the running best score by 0.6 percentage points to 1.1% on 2023-06-13.
gpt-4-0613 scores at percentile 5.5 on AIME (matematică).
gpt-4-0613 scores at percentile 11.3 on GPQA Diamond.
gpt-4-0613 ranks between #270 and #976 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 →