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
9 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 9 minute
  • ARC-AGI-2acum 9 minute

gpt-5.5-xhigh

79.9%

niciun interval publicat

OpenAIsept. 2026oscilație #9–#34

LiveBench ×1291 din 291 modele
ModelOrganizație± CIOscilațieAdaugă la comparație
1o3-2025-04-16-highOpenAIapr. 2025$2 / $880.7%—#79–318
2gpt-5.5-xhighOpenAIsept. 2026$5 / $3079.9%—#9–34
3claude-4-opus-20250514-thinking-32kAnthropicmai 2025$15 / $7579.5%——
4gpt-5-highOpenAIaug. 2025$1.25 / $1079.3%—#64–149
5claude-opus-4-8-xhigh-effortAnthropic——78.8%——
6claude-fable-5-xhigh-effortAnthropic——78.3%——
7gpt-5-codexOpenAI——78.2%—#17–142
8o4-mini-2025-04-16-highOpenAIapr. 2025$1.10 / $4.4078.1%—#129–274
9gpt-5.4-xhighOpenAIsept. 2026$2.50 / $1578.0%—#12–29
10gemini-2.5-pro-exp-03-25Google——77.4%—#138–147
11claude-opus-4-8-high-effortAnthropic——77.2%——
12gemini-3.1-pro-preview-highGooglesept. 2026$2 / $1277.1%—#9–36
13gemini-2.5-pro-preview-03-25Googlemar. 2025$1.25 / $1076.7%——
14claude-opus-4-7-xhigh-effortAnthropic——76.5%——
15claude-opus-4-5-20251101-thinking-64k-high-effortAnthropic——76.2%——
16claude-3-7-sonnet-thinkingAnthropic——76.1%——
17gpt-5.1-codex-maxOpenAIoct. 2026$1.25 / $1075.6%—#52–375
18gemini-3-pro-preview-11-2025-highGoogle——75.6%——
19claude-opus-4-8-medium-effortAnthropic——75.5%——
20claude-fable-5-high-effortAnthropic——75.5%——
21claude-sonnet-4-6-thinking-auto-high-effortAnthropic——75.3%——
22claude-opus-4-7-high-effortAnthropic——74.9%——
23claude-sonnet-5-xhigh-effortAnthropic——74.8%——
24gpt-5-pro-2025-10-06OpenAIoct. 2025$15 / $12074.7%—#88–166
25gemini-3.5-flash-highGooglesept. 2026$1.50 / $974.6%—#10–26
26gpt-5.2-2025-12-11-highOpenAIdec. 2025$1.75 / $1474.6%—#34–92
27claude-opus-4-6-thinking-auto-high-effortAnthropic——74.5%——
28claude-opus-4-5-20251101-thinking-64k-medium-effortAnthropic——74.5%——
29gpt-5.2-codexOpenAIoct. 2026$1.75 / $1474.0%—#37–370
30gpt-5.1-2025-11-13-highOpenAInov. 2025$1.25 / $1073.9%—#45–242
31claude-4-sonnet-20250514-thinking-64kAnthropicmai 2025$3 / $1573.8%——
32gemini-3-flash-preview-highGoogle—$0.50 / $373.7%—#27–99
33glm-5.2Z.AIiun. 2026$0.62 / $2.4273.2%—#9–49
34qwen3.7-maxAlibabamai 2026$1.48 / $4.4273.1%—#41–128
35claude-sonnet-4-6-thinking-auto-medium-effortAnthropic——73.0%——

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.

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.