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

xAI · pașaport de model

Grok 2 Mini

grok-2-mini

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

General · LMArena: 1,308#256 din 396
Cea mai bună percentilă: 35.6General
Poziția în cohortă: 39.8mediană 37.5

Ce spun datele

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

Neuniform: 3,3 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 35.6 pct pe General față de 32.3 pct pe Prompturi dificile.

General35.6 pct1,308Verifică →
LiveBench34.4 pct45.5%Verifică →
Urmarea instrucțiunilor33.8 pct1,283Verifică →
Programare32.5 pct1,334Verifică →
Prompturi dificile32.3 pct1,304Verifică →
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
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.

grok-2-mini-2024-08-13 stands at 39.8 (raw mean 33.7) — measured on 5 of 27 axes.
pozițieșablonVerifică →
grok-2-mini-2024-08-13 stands at 39.8 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 →