Mistral · pașaport de model
Mistral Large 2402
mistral-large-2402- Doar în cloud
- Licență Proprietary
- Lansat 2024-02-01(din numele modelului)
- General · LMArena
- 1,243#303 din 396
- Cea mai bună percentilă
- 25.3Programare
- Poziția în cohortă
- 30.1mediană 29.9
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
- 8.5 pct — AIME (matematică) (1.9%)
Neuniform: 16,8 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 25.3 pct pe Programare față de 8.5 pct pe AIME (matematică).
- Programare25.3 pct1,296Verifică →
- Prompturi dificile25 pct1,263Verifică →
- LiveBench24.7 pct38.9%Verifică →
- Urmarea instrucțiunilor24 pct1,238Verifică →
- General23.7 pct1,243Verifică →
- GPQA Diamond19.9 pct38.8%Verifică →
- AIME (matematică)8.5 pct1.9%Verifică →
- WebDev ArenaNeevaluat
- Vision ArenaNeevaluat
- Factuality ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- 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.
mistral-large-2402 stands at 30.1 (raw mean 21.6) — measured on 7 of 27 axes.
mistral-large-2402 stands at 30.1 versus a cohort median of 29.9 across 91 models released within 180 days — above the peer median.
mistral-large-2402 scores at percentile 8.5 on AIME (matematică).
mistral-large-2402 ranks between #291 and #979 across 5 built-in weightings — best under "Axat pe programare", worst under "Toate sursele".
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 →