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 Small 2506

mistral-small-2506
  • Ponderi deschise
  • Licență Apache 2.0
  • Lansat 2025-06-01(din numele modelului)
6/27axe acoperite
General · LMArena
1,356#194 din 396
Cea mai bună percentilă
54.9BFCL v4 (apelare de funcții)
Poziția în cohortă
48.6mediană 50.6

Ce spun datele

Evaluat pe 6 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 26,9 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 54.9 pct pe BFCL v4 (apelare de funcții) față de 28 pct pe Vision Arena.

  • BFCL v4 (apelare de funcții)Clasament inactiv54.9 pct37.1%Verifică →
  • Programare52.9 pct1,411Verifică →
  • General51.3 pct1,356Verifică →
  • Prompturi dificile51.3 pct1,373Verifică →
  • Urmarea instrucțiunilor49.2 pct1,337Verifică →
  • Vision Arena28 pct1,140Verifică →
  • WebDev 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
  • 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-small-2506 stands at 48.6 (raw mean 47.9) — measured on 6 of 27 axes.

    pozițieșablonVerifică →

  • mistral-small-2506 stands at 48.6 versus a cohort median of 50.6 across 145 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 →