gemini-3-pro-preview
88.0%
niciun interval publicat
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.308
- Ultima sincronizare
- 16 minacum 16 minute
Toate sursele se sincronizează normal
- Arena · Text· acum 11 ore
- Arena · WebDev· acum 11 ore
- Arena · Vision· acum 11 ore
- Arena · Agent· acum 11 ore
- GPQA Diamond· acum 16 minute
- SWE-bench· acum 16 minute
- Terminal-Bench· acum 16 minute
- ARC-AGI-2· acum 16 minute
Filtrează după organizație:
Lansat:
claude-opus-4-5
76.0%
niciun interval publicat
gpt-5.2-2025-12-11
55.0%
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 | |||||
|---|---|---|---|---|---|---|---|---|---|
| 1 | gemini-3-pro-preview | — | — | 88.0% | — | #19–120 | |||
| 2 | claude-opus-4-5 | Anthropic | nov. 2025 | $5 / $25 | 76.0% | — | #20–62 | ||
| 3 | gpt-5.2-2025-12-11 | OpenAI | dec. 2025 | $1.75 / $14 | 55.0% | — | #34–92 |
Se afișează τ²-bench Telecom 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.