Sari la conținut
aiqbench

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

Mistral · pașaport de model

Mistral Medium 2505

mistral-medium-2505
  • Doar în cloud
  • Licență Proprietary
  • Lansat 2025-05-01(din numele modelului)
11/27axe acoperite
General · LMArena
1,387#167 din 396
Cea mai bună percentilă
58.1General
Poziția în cohortă
43.5mediană 48.9

Ce spun datele

Evaluat pe 11 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai slabe axe

  • 8.7 pct — FrontierMath (0.3%)
  • 10.9 pct — Humanity's Last Exam (4.5%)

Neuniform: 49,4 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 58.1 pct pe General față de 8.7 pct pe FrontierMath.

  • General58.1 pct1,387Verifică →
  • BFCL v4 (apelare de funcții)Clasament inactiv57.3 pct37.7%Verifică →
  • Programare57.3 pct1,432Verifică →
  • Prompturi dificile56.8 pct1,401Verifică →
  • Urmarea instrucțiunilor55.6 pct1,366Verifică →
  • LiveBench45 pct50.3%Verifică →
  • GPQA Diamond42.1 pct59.5%Verifică →
  • AIME (matematică)34 pct32.2%Verifică →
  • Vision Arena33.3 pct1,155Verifică →
  • Humanity's Last Exam10.9 pct4.5%Verifică →
  • FrontierMath8.7 pct0.3%Verifică →
  • WebDev ArenaNeevaluat
  • Factuality ArenaNeevaluat
  • Search ArenaNeevaluat
  • Document ArenaNeevaluat
  • Agent ArenaNeevaluat
  • SimpleQA VerifiedNeevaluat
  • ARC-AGI-2Neevaluat
  • SimpleBenchNeevaluat
  • 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-medium-2505 stands at 43.5 (raw mean 41.7) — measured on 11 of 27 axes.

    pozițieșablonVerifică →

  • mistral-medium-2505 stands at 43.5 versus a cohort median of 48.9 across 148 models released within 180 days — below 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 →