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

Meta AI · pașaport de model

Muse Spark Open 816b A42b

muse-spark-open-816b-a42b

Cea mai bună percentilă: 87.0AIME (matematică)
Poziția după scorul compus: 65.5contractat · 3/27 axe

Ce spun datele

Evaluat pe 3 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

87 pct — AIME (matematică) (98.1%)

Neuniform: 9,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 87 pct pe AIME (matematică) față de 77.8 pct pe GPQA Diamond.

AIME (matematică)87 pct98.1%Verifică →
SimpleQA Verified78 pct56.6%Verifică →
GPQA Diamond77.8 pct88.6%Verifică →
GeneralNeevaluat
WebDev ArenaNeevaluat
Vision ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
FrontierMathNeevaluat
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
ProgramareNeevaluat
Urmarea instrucțiunilorNeevaluat
Prompturi dificileNeevaluat

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.

Muse-Spark-Open-816B-A42B stands at 65.5 (raw mean 81) — measured on 3 of 27 axes.
pozițieșablonVerifică →

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 →