claude-3-7-sonnet-thinking
76.1%
niciun interval publicat
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 13 minacum 13 minute
Toate sursele se sincronizează normal
- Arena · Text· acum 4 ore
- Arena · WebDev· acum 4 ore
- Arena · Vision· acum 4 ore
- Arena · Agent· acum 4 ore
- GPQA Diamond· acum 13 minute
- SWE-bench· acum 13 minute
- Terminal-Bench· acum 13 minute
- ARC-AGI-2· acum 13 minute
Filtrează după organizație:
Lansat:
claude-3-7-sonnet-20250219-thinking-64k
70.6%
niciun interval publicat
claude-3-7-sonnet-20250219-base
60.4%
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 | |||||
|---|---|---|---|---|---|---|---|---|---|
| 16 | claude-3-7-sonnet-thinking | Anthropic | — | — | 76.1% | — | — | ||
| 47 | claude-3-7-sonnet-20250219-thinking-64k | Anthropic | feb. 2025 | — | 70.6% | — | #128–354 | ||
| 108 | claude-3-7-sonnet-20250219-base | Anthropic | — | — | 60.4% | — | — |
Se afișează LiveBench 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.