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

xAI · pașaport de model

Grok 3 Preview 02.24

grok-3-preview-02-24

Doar în cloud
Licență Proprietary
Lansat 2025-02-24(curatoriat)

General · LMArena: 1,411#135 din 396
Cea mai bună percentilă: 67.9Urmarea instrucțiunilor
Poziția în cohortă: 58.6mediană 44.4

Ce spun datele

Evaluat pe 4 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 6,5 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 67.9 pct pe Urmarea instrucțiunilor față de 61.4 pct pe Programare.

Urmarea instrucțiunilor67.9 pct1,403Verifică →
General66.2 pct1,411Verifică →
Prompturi dificile64.6 pct1,426Verifică →
Programare61.4 pct1,442Verifică →
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
LiveBenchNeevaluat
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-preview-02-24 stands at 58.6 (raw mean 65) — measured on 4 of 27 axes.
pozițieșablonVerifică →
grok-3-preview-02-24 stands at 58.6 versus a cohort median of 44.4 across 147 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 →