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

xAI · pașaport de model

Grok 2

grok-2

Doar în cloud
Licență Proprietary
Lansat 2024-08-14(curatoriat)

General · LMArena: 1,336#220 din 396
Cea mai bună percentilă: 44.7General
Poziția în cohortă: 42.6mediană 37.5

Ce spun datele

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

Neuniform: 11,9 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 44.7 pct pe General față de 32.8 pct pe LiveCodeBench (Artificial Analysis).

General44.7 pct1,336Verifică →
MMLU-Pro (Artificial Analysis)43.1 pct70.9%Verifică →
Urmarea instrucțiunilor41.4 pct1,312Verifică →
Prompturi dificile39.1 pct1,326Verifică →
Programare38.6 pct1,358Verifică →
LiveBench36.4 pct46.5%Verifică →
LiveCodeBench (Artificial Analysis)32.8 pct26.7%Verifică →
WebDev ArenaNeevaluat
Vision 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
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.

grok-2-2024-08-13 stands at 42.6 (raw mean 39.5) — measured on 7 of 27 axes.
pozițieșablonVerifică →
grok-2-2024-08-13 stands at 42.6 versus a cohort median of 37.5 across 129 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 →