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 2508

mistral-medium-2508
  • Doar în cloud
  • Licență Proprietary
  • Lansat 2025-08-01(din numele modelului)
7/27axe acoperite
General · LMArena
1,408#141 din 396
Cea mai bună percentilă
65.4Prompturi dificile
Poziția în cohortă
48.5mediană 51.6

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

  • 3.8 pct — Halucinații HHEM (Vectara) (77.3%)

Neuniform: 61,6 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 65.4 pct pe Prompturi dificile față de 3.8 pct pe Halucinații HHEM (Vectara).

  • Prompturi dificile65.4 pct1,427Verifică →
  • Programare64.7 pct1,453Verifică →
  • General64.6 pct1,408Verifică →
  • Urmarea instrucțiunilor64.1 pct1,395Verifică →
  • Factuality Arena37.8 pct1,429Verifică →
  • Vision Arena34.7 pct1,159Verifică →
  • Halucinații HHEM (Vectara)3.8 pct77.3%Verifică →
  • WebDev 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
  • 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-2508 stands at 48.5 (raw mean 47.9) — measured on 7 of 27 axes.

    pozițieșablonVerifică →

  • mistral-medium-2508 stands at 48.5 versus a cohort median of 51.6 across 144 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 →