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

Aws · pașaport de model

Nova 2.0 Pro Preview (Medium)

nova-2-0-pro-preview

Cea mai bună percentilă: 97.5IFBench (Artificial Analysis)
Poziția după scorul compus: 68.9contractat · 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

97.5 pct — IFBench (Artificial Analysis) (79.6%)

Neuniform: 15,8 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 97.5 pct pe IFBench (Artificial Analysis) față de 81.7 pct pe LiveCodeBench (Artificial Analysis).

IFBench (Artificial Analysis)97.5 pct79.6%Verifică →
MMLU-Pro (Artificial Analysis)83.9 pct83.0%Verifică →
LiveCodeBench (Artificial Analysis)81.7 pct73.0%Verifică →
GeneralNeevaluat
WebDev ArenaNeevaluat
Vision 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
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
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.

Nova 2.0 Pro Preview (Medium) stands at 68.9 (raw mean 87.7) — 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 →