Sari la conținut
aiqbench

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

OpenAI · pașaport de model

GPT 5 Chat

gpt-5-chat
  • Doar în cloud
  • Licență Proprietary
  • Lansat 2025-08-07(curatoriat)
7/27axe acoperite
General · LMArena
1,426#106 din 396
Cea mai bună percentilă
74.5Prompturi dificile
Poziția în cohortă
59.2mediană 51.6

Ce spun datele

Evaluat pe 7 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 43,1 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 74.5 pct pe Prompturi dificile față de 31.4 pct pe Factuality Arena.

  • Prompturi dificile74.5 pct1,448Verifică →
  • General73.5 pct1,426Verifică →
  • Urmarea instrucțiunilor72.7 pct1,415Verifică →
  • Programare68.8 pct1,462Verifică →
  • LiveBench64.3 pct61.0%Verifică →
  • Vision Arena56.7 pct1,226Verifică →
  • Factuality Arena31.4 pct1,422Verifică →
  • WebDev 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.

  • gpt-5-chat stands at 59.2 (raw mean 63.1) — measured on 7 of 27 axes.

    pozițieșablonVerifică →

  • gpt-5-chat stands at 59.2 versus a cohort median of 51.6 across 146 models released within 180 days — above 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 →