o3
80.8%
niciun interval publicat
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 11 minacum 11 minute
Toate sursele se sincronizează normal
- Arena · Text· acum 2 ore
- Arena · WebDev· acum 2 ore
- Arena · Vision· acum 2 ore
- Arena · Agent· acum 2 ore
- GPQA Diamond· acum 11 minute
- SWE-bench· acum 11 minute
- Terminal-Bench· acum 11 minute
- ARC-AGI-2· acum 11 minute
Filtrează după organizație:
Lansat:
o3-mini (High)
73.4%
niciun interval publicat
O singură grilă, toate coloanele. Alege axe din panoul Axe — o axă clasifică precum un singur clasament, mai multe se combină într-un scor compus ponderat, toate la un loc se citesc ca indexul. Locul este atribuit înaintea oricărui filtru și nu se renumerotează niciodată.
| Model | Organizație | ± CI | Oscilație | Adaugă la comparație | |||||
|---|---|---|---|---|---|---|---|---|---|
| 24 | o3 | openai | apr. 2025 | $2 / $8 | 80.8% | — | #79–318 | ||
| 48 | o3-mini (High) | openai | ian. 2025 | $1.10 / $4.40 | 73.4% | — | #127–391 |
Se afișează LiveCodeBench (Artificial Analysis) exact așa cum a publicat-o sursa — propriul scor și interval de încredere, fără mix. Selectează o a doua axă ca să construiești un scor compus ponderat.