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

xAI · pașaport de model

Grok 3

grok-3

Cea mai bună percentilă: 79.0Halucinații HHEM (Vectara)
Poziția după scorul compus: 49.0contractat · 7/27 axe

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

11.2 pct — ARC-AGI-2 (0.0%)

Neuniform: 67,8 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 79 pct pe Halucinații HHEM (Vectara) față de 11.2 pct pe ARC-AGI-2.

Halucinații HHEM (Vectara)79 pct94.2%Verifică →
MMLU-Pro (Artificial Analysis)66.7 pct79.9%Verifică →
IFBench (Artificial Analysis)53.1 pct46.9%Verifică →
LiveCodeBench (Artificial Analysis)51.9 pct42.5%Verifică →
LiveBench48.1 pct52.6%Verifică →
SimpleBench29.9 pct36.1%Verifică →
ARC-AGI-211.2 pct0.0%Verifică →
GeneralNeevaluat
WebDev ArenaNeevaluat
Vision ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
Humanity's Last ExamNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat
ProgramareNeevaluat
Urmarea instrucțiunilorNeevaluat
Prompturi dificileNeevaluat

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-3 stands at 49 (raw mean 48.6) — measured on 7 of 27 axes.
pozițieșablonVerifică →

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 →