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
22.308
Ultima sincronizare
10 min
Toate sursele se sincronizează normal
  • Arena · Textacum 9 ore
  • Arena · WebDevacum 9 ore
  • Arena · Visionacum 9 ore
  • Arena · Agentacum 9 ore
  • GPQA Diamondacum 10 minute
  • SWE-benchacum 10 minute
  • Terminal-Benchacum 10 minute
  • ARC-AGI-2acum 10 minute
BFCL v4 (apelare de funcții) ×1inactiv82 din 82 modele
ModelOrganizație± CIOscilațieAdaugă la comparație
1Claude-Opus-4-5-20251101 (FC)anthropicnov. 2025$5 / $2577.5%—#20–62
2Claude-Sonnet-4-5-20250929 (FC)anthropicsept. 2025$3 / $1573.2%—#66–232
3Gemini-3-Pro-Preview (Prompt)google——72.5%—#19–120
4GLM-4.6 (FC thinking)zhipudec. 2025$0.30 / $0.9072.4%—#98–398
5Grok-4-1-fast-reasoning (FC)xaioct. 2026—69.6%—#139–464
6Claude-Haiku-4-5-20251001 (FC)anthropicoct. 2025$1 / $568.7%—#117–611
7o3-2025-04-16 (Prompt)openaiapr. 2025$2 / $863.0%—#79–318
8Grok-4-0709 (Prompt)xaiiul. 2025—63.0%—#95–276
9Moonshotai-Kimi-K2-Instruct (FC)moonshotai——59.1%——
10Grok-4-1-fast-non-reasoning (FC)xai——58.3%——
11Command A Reasoning (FC)cohere——57.1%——
12DeepSeek-V3.2-Exp (Prompt + Thinking)deepseeksept. 2025$0.27 / $0.4156.7%—#92–334
13Gemini-2.5-Flash (FC)googleiun. 2025$0.30 / $2.5056.2%—#133–389
14GPT-5.2-2025-12-11 (FC)openaidec. 2025$1.75 / $1455.9%—#34–92
15GPT-5-mini-2025-08-07 (FC)openaiaug. 2025$0.25 / $255.5%—#126–343
16xLAM-2-32b-fc-r (FC)salesforce——54.7%——
17GPT-4.1-2025-04-14 (FC)openaiapr. 2025$2 / $854.0%—#148–545
18o4-mini-2025-04-16 (FC)openaiapr. 2025$1.10 / $4.4053.2%—#129–274
19xLAM-2-70b-fc-r (FC)salesforce——53.1%——
20Qwen3-235B-A22B-Instruct-2507 (Prompt)qweniul. 2025—52.1%—#82–385
21GPT-5-nano-2025-08-07 (FC)openaiaug. 2025$0.05 / $0.4051.5%—#132–399
22Nanbeige4-3B-Thinking-2511 (FC)nanbeige——51.4%——
23GPT-4.1-mini-2025-04-14 (FC)openaiapr. 2025$0.40 / $1.6050.5%—#130–589
24Qwen3-32B (FC)qwenapr. 2025$0.08 / $0.2848.7%—#159–289
25Nanbeige3.5-Pro-Thinking (FC)nanbeige——47.7%——
26xLAM-2-8b-fc-r (FC)salesforce——46.7%——
27Command A (FC)coheremar. 2025$2.50 / $1046.5%——
28BitAgent-Bounty-8Bbittensor——46.2%——
29Arch-Agent-32Bkatanemo——45.4%——
30Qwen3-8B (FC)qwenapr. 2025$0.12 / $0.4642.6%—#277–378
31ToolACE-2-8B (FC)huawei-noah-ustc——42.4%——
32Qwen3-30B-A3B-Instruct-2507 (FC)qweniul. 2025$0.09 / $0.3041.4%—#123–411
33xLAM-2-3b-fc-r (FC)salesforce——41.2%——
34Qwen3-14B (FC)qwenapr. 2025$0.12 / $0.2441.0%—#247–296
35mistral-large-2411 (FC)mistralainov. 2024—38.4%—#239–606

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.

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.