Sari la conținut

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

Benchmark-uri

Surse
8
Intrări urmărite
22.310
Ultima sincronizare
55 min
Toate sursele se sincronizează normal
  • Arena · Textacum 4 ore
  • Arena · WebDevacum 4 ore
  • Arena · Visionacum 4 ore
  • Arena · Agentacum 4 ore
  • GPQA Diamondacum 55 de minute
  • SWE-benchacum 55 de minute
  • Terminal-Benchacum 55 de minute
  • ARC-AGI-2acum 55 de minute
MMLU-Pro (Artificial Analysis) ×1267 din 267 modele
ModelOrganizație± CIOscilațieAdaugă la comparație
1Gemini 3 Pro Preview (High)google——89.8%—#19–120
2Claude Opus 4.5 (Reasoning)anthropicnov. 2025$5 / $2589.5%—#20–62
3Gemini 3 Flash Preview (Reasoning)google—$0.50 / $389.0%—#27–99
4Claude 4.1 Opus (Reasoning)anthropicaug. 2025$15 / $7588.0%——
5Claude 4.5 Sonnet (Reasoning)anthropic—$3 / $1587.5%——
6MiniMax-M2.1minimaxdec. 2025$0.30 / $1.2087.5%—#34–201
7GPT-5.2 (Xhigh)openaidec. 2025$1.75 / $1487.4%—#34–92
8Claude 4 Opus (Reasoning)anthropicmai 2025$15 / $7587.3%——
9GPT-5 (High)openaiaug. 2025$1.25 / $1087.1%—#64–149
10GPT-5.1 (High)openainov. 2025$1.25 / $1087.0%—#45–242
11Grok 4xai——86.6%——
12GPT-5 Codex (High)openai——86.5%—#17–142
13DeepSeek V3.2 Specialedeepseek——86.3%——
14DeepSeek V3.2 (Reasoning)deepseekdec. 2025$0.28 / $0.4286.2%—#86–247
15Gemini 2.5 Progoogleiun. 2025$1.25 / $1086.2%—#60–432
16GPT-5.1 Codex (High)openaioct. 2026$1.25 / $1086.0%—#52–375
17Gemini 2.5 Pro Preview (Mar' 25)google—$1.25 / $1085.8%——
18GLM-4.7 (Reasoning)zaidec. 2025$0.54 / $1.9885.6%—#82–189
19Doubao Seed Codebytedance-seed——85.4%——
20Grok 4.1 Fast (Reasoning)xaioct. 2026—85.4%—#138–429
21o3openaiapr. 2025$2 / $885.3%—#79–318
22DeepSeek V3.1 (Reasoning)deepseekaug. 2025—85.1%—#101–158
23DeepSeek V3.1 Terminus (Reasoning)deepseeksept. 2025$0.27 / $185.1%—#55–168
24DeepSeek V3.2 Exp (Reasoning)deepseeksept. 2025$0.27 / $0.4185.0%—#92–334
25Grok 4 Fast (Reasoning)xaisept. 2025—85.0%—#155–477
26Cogito v2.1 (Reasoning)deepcogito——84.9%——
27DeepSeek R1 0528 (May '25)deepseekmai 2025$0.50 / $2.1584.9%—#88–250
28Kimi K2 Thinkingkiminov. 2025$0.60 / $2.5084.8%—#35–209
29o1-previewopenaisept. 2024—84.8%—#147–314
30DeepSeek R1 (Jan '25)deepseekian. 2025$0.70 / $2.5084.4%—#117–389
31MiMo-V2-Flash (Reasoning)xiaomidec. 2025—84.3%—#120–321
32Qwen3 235B A22B 2507 (Reasoning)alibabaiul. 2025$0.09 / $0.5584.3%——
33Claude 4 Sonnet (Reasoning)anthropicmai 2025$3 / $1584.2%——
34Gemini 2.5 Flash Preview (Sep '25) (Reasoning)google——84.2%——
35o1openaidec. 2024$15 / $6084.1%—#127–229

Se afișează MMLU-Pro (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.

Puținele lucruri din AI și cuantic care au contat cu adevărat săptămâna asta — rezumate cinstit.

Un e-mail pe săptămână. Dezabonare dintr-un clic. Fără urmărire, fără partajare.