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

xAI · pașaport de model

Grok 3 Mini Beta

grok-3-mini-beta

Doar în cloud
Licență Proprietary
Lansat 2025-02-19(curatoriat)

General · LMArena: 1,358#193 din 396
Cea mai bună percentilă: 78.0LiveBench
Poziția în cohortă: 52.6mediană 44.4

Ce spun datele

Evaluat pe 8 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 41,8 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 78 pct pe LiveBench față de 36.2 pct pe FrontierMath.

LiveBench78 pct68.3%Verifică →
GPQA Diamond56.6 pct76.3%Verifică →
AIME (matematică)56 pct77.8%Verifică →
Urmarea instrucțiunilor53 pct1,353Verifică →
General51.5 pct1,358Verifică →
Prompturi dificile50.5 pct1,370Verifică →
Programare47.1 pct1,386Verifică →
FrontierMath36.2 pct5.9%Verifică →
WebDev ArenaNeevaluat
Vision ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
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-3-mini-beta stands at 52.6 (raw mean 53.6) — measured on 8 of 27 axes.
pozițieșablonVerifică →
grok-3-mini-beta stands at 52.6 versus a cohort median of 44.4 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 →