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

Pașaport de model

Reka Flash 21b 20240226 Online

reka-flash-21b-20240226-online

Doar în cloud
Licență Proprietary
Lansat 2024-02-26(din numele modelului)

General · LMArena: 1,234#309 din 396
Cea mai bună percentilă: 23.0Programare
Poziția în cohortă: 33.8mediană 31.1

Ce spun datele

Evaluat pe 4 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 2,8 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 23 pct pe Programare față de 20.2 pct pe Urmarea instrucțiunilor.

Programare23 pct1,278Verifică →
General22.2 pct1,234Verifică →
Prompturi dificile21.5 pct1,236Verifică →
Urmarea instrucțiunilor20.2 pct1,202Verifică →
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
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.

reka-flash-21b-20240226-online stands at 33.8 (raw mean 21.7) — measured on 4 of 27 axes.
pozițieșablonVerifică →
reka-flash-21b-20240226-online stands at 33.8 versus a cohort median of 31.1 across 100 models released within 180 days — above 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 →