o3-2025-04-16 (Prompt)
63.0%
niciun interval publicat
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.308
- Ultima sincronizare
- 10 minacum 10 minute
Toate sursele se sincronizează normal
- Arena · Text· acum 12 ore
- Arena · WebDev· acum 12 ore
- Arena · Vision· acum 12 ore
- Arena · Agent· acum 12 ore
- GPQA Diamond· acum 10 minute
- SWE-bench· acum 10 minute
- Terminal-Bench· acum 10 minute
- ARC-AGI-2· acum 10 minute
Filtrează după organizație:
Lansat:
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 | |||||
|---|---|---|---|---|---|---|---|---|---|
| 7 | o3-2025-04-16 (Prompt) | openai | apr. 2025 | $2 / $8 | 63.0% | — | #79–318 |
Se afișează BFCL v4 (apelare de funcții) 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.